摘要：
由新加坡国立大学(NUS)科学家领导的跨学科研究团队成功利用机器学习发现了人类脑细胞结构的新见解。
该团队展示了一种利用功能磁共振成像(fMRI)收集的数据自动估计大脑参数的方法，这种方法使神经科学家能够在不使用外科手术手段的情况下检测大脑，从而推断出不同大脑区域的细胞特征。这种方法可以潜在地用于评估神经系统疾病的治疗和开发新的疗法。
许多疾病的潜在途径发生在细胞水平，许多药物在微观水平起作用。为了了解人类大脑最深处到底发生了什么，对我们来说，开发一种可以非侵入性地深入大脑的方法非常重要，”新加坡研究小组负责人、助理教授托马斯杨(Thomas Yeo)说。国立大学神经技术学院(SINAPSE)和A * STAR-NUS临床影像研究中心(CIRC)。
这项与荷兰和西班牙研究人员合作进行的新研究于2019年1月9日首次在线发表在科学杂志《科学进展》上。揭示人脑的复杂性大脑是人体最复杂的器官，由1000亿个神经细胞组成，这些神经细胞与大约1000个其他神经细胞相连。任何损害或疾病，即使影响到大脑的最小部分，也会造成严重的损害。
目前，大多数人脑研究仅限于无创方法，如磁共振成像(MRI)。这限制了在细胞水平上对人脑的检查，而细胞水平可能为各种神经系统疾病的发展和潜在治疗提供新的见解。
世界各地不同的研究团队已经使用生物物理模型来弥合无创成像和人脑对细胞的理解之间的差距。生物物理大脑模型可以用来模拟大脑活动，这使得神经科学家能够深入了解大脑。然而，这些模型中有许多是基于简单化的假设，例如，所有大脑区域都具有相同的细胞特征，这一点科学家们已经知道了100多年。建立虚拟大脑模型
Yeo教授和他的团队与来自Pompeu Fabra大学、巴塞罗那大学和乌特勒支大学医学中心的研究人员合作，分析了来自人类连接体项目的452名参与者的成像数据。与之前的建模工作不同，他们允许每个大脑区域具有不同的细胞特征，并使用机器学习算法来自动估计模型参数。
“我们的方法可以更好地拟合真实数据。此外，我们发现机器学习算法估计的微观模型参数反映了大脑如何处理信息。”论文的第一作者王鹏博士说，他在做博士后研究的时候就做过这个研究。在杨教授的助手团队中
研究小组发现，涉及视觉、听觉和触觉等感官知觉的大脑区域显示出与涉及内部思想和记忆的区域相反的细胞特征。人脑细胞结构的空间模式紧密地反映了大脑如何分层处理来自周围环境的信息。这种分层次的处理形式不仅是人脑的重要特征，也是人工智能的最新发展。
标签：人类大脑
