SRI TV

Ikuti perkembangan terbaru Indonesia di lapangan dengan berita berbasis fakta Sri Wijaya TV, cuplikan video eksklusif, foto, dan peta terbaru.

Membuat template baru untuk otak – Berita Neuroscience

Membuat template baru untuk otak – Berita Neuroscience

ringkasan: Para peneliti telah mengembangkan OpenNeuro Average (onavg), templat permukaan kortikal baru yang meningkatkan akurasi dan efisiensi analisis data neuroimaging.

Model ini didasarkan pada 1.031 otak, memberikan peta yang lebih konsisten dan tidak terlalu bias dibandingkan model sebelumnya. Hal ini juga memungkinkan penggunaan data yang lebih baik, yang sangat penting untuk penelitian dengan kumpulan data terbatas.

Templat onavg diharapkan memiliki aplikasi luas dalam ilmu saraf kognitif dan klinis.

Fakta-fakta kunci:

  1. Sampel standar: Rata-rata sampel di seluruh wilayah otak melakukan proses yang seragam, sehingga mengurangi bias.
  2. Efisiensi Data: Hal ini memerlukan lebih sedikit data untuk analisis yang tepat, sehingga membantu penelitian dengan kumpulan data yang terbatas.
  3. Aplikasi luas: Berguna untuk penelitian di bidang penglihatan, bahasa, dan penyakit neurodegeneratif.

sumber: Perguruan Tinggi Dartmouth

Otak manusia bertanggung jawab atas fungsi-fungsi penting, termasuk persepsi, memori, bahasa, pemikiran, kesadaran, dan emosi.

Untuk memahami cara kerja otak, para ilmuwan sering menggunakan neuroimaging untuk merekam aktivitas otak partisipan saat otak sedang melakukan tugas atau saat istirahat. Fungsi otak diatur secara sistematis di korteks serebral, yaitu lapisan terluar otak manusia.

Para peneliti sering menggunakan apa yang disebut “model permukaan kortikal” untuk menganalisis data neuroimaging dan mempelajari organisasi fungsional otak manusia.

Dengan template onavg, lebih sedikit data yang diperlukan untuk analisis. Hak Cipta: Berita Neuroscience

Setiap otak mempunyai bentuk yang berbeda-beda. Untuk menganalisis data neuroimaging dari beberapa individu, peneliti perlu mendaftarkan data tersebut ke templat otak yang sama, sehingga lokasi anatomi yang sama dapat diidentifikasi di otak yang berbeda, meskipun otak memiliki bentuk yang berbeda. Situs-situs ini dikenal sebagai “puncak”.

Selama 25 tahun terakhir, terdapat beberapa iterasi dari templat ini, dan templat permukaan kortikal yang paling banyak digunakan saat ini didasarkan pada data yang dikumpulkan dari 40 otak.

READ  Di Los Angeles, lonjakan Covid-19 ini berbeda dari wabah sebelumnya

Kini, para peneliti Dartmouth telah berhasil menciptakan templat permukaan kortikal baru yang disebut “OpenNeuro Average” atau disingkat “onavg”, yang memberikan akurasi dan efisiensi lebih besar dalam menganalisis data neuroimaging.

Hasilnya dipublikasikan di Metode alam.

“Template permukaan kortikal kami, onavg, adalah yang pertama mengambil sampel bagian otak yang berbeda secara seragam,” kata penulis utama Feilong Ma, seorang rekan pascadoktoral dan anggota Haxby Lab di Departemen Ilmu Psikologi dan Otak di Dartmouth. “Ini adalah peta yang tidak terlalu bias dan lebih efisien secara komputasi.”

Tim membuat templat berdasarkan anatomi kortikal 1.031 otak dari 30 kumpulan data di OpenNeuro, sebuah platform sumber terbuka dan gratis untuk berbagi data neuroimaging. Menurut rekan penulis, ini juga merupakan templat permukaan kortikal pertama yang didasarkan pada geometri otak.

Sebaliknya, templat sebelumnya mengambil sampel bagian korteks yang berbeda secara tidak merata dan mengandalkan bentuk seperti bola untuk menemukan simpul kortikal, yang menyebabkan bias dalam distribusi simpul.

Dengan template onavg, lebih sedikit data yang diperlukan untuk analisis.

“Mendapatkan data melalui neuroimaging sangat mahal, dan untuk beberapa populasi klinis – misalnya jika Anda sedang mempelajari penyakit langka – mungkin sulit atau tidak mungkin mendapatkan data dalam jumlah besar,” kata Felong.

“Dengan menggunakan data secara lebih efisien, templat kami dapat meningkatkan reproduktifitas dan reproduktifitas hasil studi akademis.”

“Saya percaya onavg mewakili kemajuan metodologis yang memiliki penerapan luas dalam semua aspek ilmu saraf kognitif dan klinis,” kata rekan penulis James Haxby, seorang profesor di Departemen Ilmu Psikologi dan Otak dan mantan direktur Pusat Ilmu Saraf Kognitif di Dartmouth .

Dia mengatakan permukaan kortikalnya dapat digunakan dalam studi tentang penglihatan, pendengaran, bahasa dan perbedaan individu, serta pada gangguan seperti autisme dan penyakit neurodegeneratif seperti Alzheimer dan Parkinson.

READ  Beberapa orang dirawat karena rabies di Kabupaten Gwinnett setelah digigit kucing gila | Georgia

“Kami pikir ini akan berdampak luas dan mendalam di lapangan,” kata Haxby. Yang juga berkontribusi dalam penelitian ini adalah Jiahui Guo, mantan rekan pascadoktoral di bidang Ilmu Psikologi dan Otak dan asisten profesor di Sekolah Ilmu Perilaku dan Otak di Universitas Texas di Dallas, dan Maria Ida Gobini, seorang profesor di Departemen Ilmu Psikologi. Ilmu Kedokteran dan Bedah di Universitas Bologna.

Tentang berita penelitian pemetaan otak

pengarang: Amy Olson
sumber: Perguruan Tinggi Dartmouth
komunikasi: Amy Olson – Universitas Dartmouth
gambar: Gambar diambil dari Berita Neuroscience

Pencarian asli: Akses terbuka.
Templat permukaan kortikal untuk ilmu saraf manusia“Ditulis oleh Feilong Ma dkk.” Metode alam


ringkasan

Templat permukaan kortikal untuk ilmu saraf manusia

Analisis data neuroimaging bergantung pada normalisasi templat anatomi standar untuk menyelesaikan perbedaan anatomi utama antar otak. Templat permukaan korteks serebral manusia saat ini mengambil sampel lokasi secara tidak merata karena distorsi akibat inflasi korteks yang terlipat menjadi bentuk standar.

Di sini kami menyajikan template onavg, yang menyediakan pengambilan sampel korteks secara seragam.

Kami membuat templat onavg berdasarkan pemindaian struktural 1.031 otak yang tersedia untuk umum dan berkualitas tinggi – 25 kali lebih banyak dari templat kortikal yang ada. Kami mengoptimalkan lokasi simpul berdasarkan anatomi korteks serebral, sehingga mencapai distribusi yang merata.

Kami secara konsisten mengamati akurasi klasifikasi pola multivariat dan korelasi antar peserta dalam geometri representasional berdasarkan onavg dibandingkan dengan template lain, dan onavg hanya membutuhkan tiga perempat data untuk mencapai performa yang sama dibandingkan template lain.

Peningkatan pengambilan sampel juga mengurangi waktu CPU di seluruh algoritme antara 1,3% dan 22,4% karena lebih sedikit variasi dalam jumlah simpul di setiap lampu sorot.

READ  Bagaimana diagnosis diabetes tipe 2 memperpendek umur