ایتنا - پیشرفت در تصویربرداری از مغز به این معنی است که محققان به داده‌های قابل‌‌توجه، بیشتر از گذشته، دسترسی دارند، اما روابط بین روش‌ها، یا انواع داده‌های گرفته شده، پیچیده است و درک درستی از آن‌ها موجود نیست.

محققان دانشگاه ایالتی جورجیا در تلاشند با استفاده از یادگیری‌ عمیق و هوش مصنوعی درباره چگونگی تأثیر بیماری روانی و سایر اختلالات بر مغز بیشتر بیاموزند.

به رهبری وینس کالون، استاد روانشناسی در دانشگاه ایالتی جورجیا و مدیر مرکز پژوهش‌های کاربردی‌سازی در تصویربرداری عصبی و علوم داده (TReNDS) و سرگئی پِلیس، دانشیار علوم کامپیوتر و مدیر یادگیری ماشین درTReNDs ، این تیم تحقیقاتی انواع مختلف داده‌های تصویربرداری مغز را ترکیب کردند تا الگوهایی که نشان‌دهنده اختلالات مغزی باشد، را رصد کنند. رابین میلر، استادیار علوم کامپیوتر نیز در این پروژه همکاری کرده است.

به گزارش ایتنا از آزمایشگاه نقشه‌برداری مغز، پیشرفت در تصویربرداری از مغز به این معنی است که محققان به داده‌های قابل‌‌توجه، بیشتر از گذشته، دسترسی دارند، اما روابط بین روش‌ها، یا انواع داده‌های گرفته شده، پیچیده است و درک درستی از آن‌ها موجود نیست.
کالون و پِلیس، از طریق ادغام و تجزیه‌و‌تحلیل داده‌ها از چندین منبع، در توصیف این روابط متمرکز شده‌اند.

کالون گفت: "ما در‌حال‌حاضر، تقریباً همانند نت موسیقی با مجموعه‌هایی از روش‌ها برخورد می‌کنیم. ما می‌خواهیم این داده‌ها را بگیریم و در یک چارچوب قرار دهیم تا ببینیم که چگونه این روش‌ها با یکدیگر ارتباط دارند. این اطلاعات با هم می‌توانند مانند کورد موسیقی، یک نشان را ارائه دهند که به ما می گوید چگونه اختلالات روانی بر مغز تأثیر می گذارد."
آنها همچنین به دنبال روابط خطی و غیرخطی در بین روش‌های مختلف هستند.