به نقل از «نوروساینس‌نیوز»، پیشرفت های تازه امکان تصویربرداری از نورون ها در داخل بدن حیوانات در حال حرکت را فراهم کرده است. اما برای رمزگشایی کردن از فعالیت مدار، این نورون ها تصویربرداری شده باید بطور محاسباتی شناسایی و ردگیری شوند.

این کار بطور خاصی وقتی دشوار و چالشی می بشود که خود مغز حرکت می کند و در داخل بدن منعطف یک ارگانیسم همانند کرم تحول شکل می‌دهد. جامعه علمی تا الان فاقد ابزارهای ملزوم برای پرداختن به این مشکل بوده است.

اکنون یک گروه از دانشمندان از دانشگاه پلی‌تکنیک فدرال در لوزان سوئیس (EPFL) و دانشگاه هاروارد یک متد پیشروانه هوش مصنوعی برای ردگیری نورون‌ها در داخل حیوانات در حال حرکت و تحول شکل دهنده، ابداع کرده اند. این مطالعه که اکنون در نشریه «راه حلهای طبیعت» انتشاریافته، با هدایت «سهند جمال رهی» در دانشکده علوم پایه دانشگاه پلی‌تکنیک لوزان انجام شده است.

این متد تازه بر پایه یک شبکه عصبی هم‌پیچشی (CNN) محکم است که نوعی از هوش مصنوعی است که برای شناسایی و فهمیدن الگوها در تصاویر آموزش داده شده است.

این کار دربرگیرنده فرایندی موسوم به هم‌پیچش (convolution) است که به اجزای کوچک عکس همانند لبه‌ها، رنگ ها یا نگاره‌ها (shapes)‌ دقت می‌کند و سپس همه آن اطلاعات را ترکیب می‌کند تا آن را فهمیدن کند و اشیاء یا الگوها را شناسایی کند.

مشکل این است که برای شناسایی و جستوجو کردن نورون‌ها در جریان نمایشی از مغز یک حیوان، تصاویر تعداد بسیاری باید با دست برچسب زده بشوند چون حیوان در زمان های گوناگون به علت تغییرشکل‌های بدن زیاد متفاوت به نظر می رسد.

با دقت به تنوع تصاویر حیوان، ساختن تعداد کافی از حاشیه‌نویسی‌ها (annotations) بطور دستی برای آموزش دادن به یک شبکه عصبی هم‌پیچشی می‌تواند کار رعب‌آوری باشد.

محققان برای پرداختن به این مشکل یک CNN ارتقا یافته با ویژگی «تحکیم موثر» ابداع کردند. این تکنیک نوآورانه بطور اتوماتیک حاشیه‌نویسی‌های قابل مطمعن را ترکیب می‌کند و نتیجه این است که این CNN بطور موثر تحول شکل های داخلی مغز را یاد می‌گیرد و سپس از آنها برای تشکیل حاشیه‌نویسی‌هایی برای حالت‌های تازه منفعت گیری می کند و با این کار نیاز به حاشیه‌نویسی دستی چک کردن مضاعف به مقدار بسیاری افت می‌یابد.

محققان این روش تازه را بر روی یک نوع کرم موسوم به Caenorhabditis آزمایش کردند. این کرم ۳۰۲ نورون دارد و یک ارگانیسم مدل پرطرفدار در علوم عصبی (نوروساینس) است.

به حرف های محققان، این پیشرفت تازه این ظرفیت را دارد تا تحقیقات در عرصه تصویربرداری مغز را شتاب بخشیده و فهمیدن دانشمندان از مدارها و رفتارهای عصبی را تعمیق کند.