DeepMReye软件使用人工智能直接预测眼睛……
DeepMReye软件使用人工智能从MRI图像直接预测眼球位置和眼球运动。
来源:Pexels

神经网络预测眼球运动

马克斯·普朗克学会的科学家们开发了一种软件,可以与MRI数据相结合用于研究和诊断。

大量的信息通过眼睛不断地流入我们的大脑。科学家们可以通过使用磁共振成像(MRI).MRI扫描中眼球运动的精确测量可以告诉科学家很多关于我们的想法、记忆和当前目标的信息,也可以告诉大脑疾病。

来自莱比锡的马克斯·普朗克人类认知和脑科学研究所(MPI CBS)和特隆赫姆的卡弗里系统神经科学研究所的研究人员已经开发出了使用这种方法的软件人工智能通过MRI图像直接预测眼球位置和眼球运动。这种方法开辟了快速和具有成本效益的研究和诊断可能性,例如,在神经系统疾病中,通常表现为眼球运动模式的变化。

为了记录眼球运动,研究机构通常使用所谓的眼球追踪器——一种将红外光投射到视网膜上、反射并最终测量的传感器技术。“因为核磁共振成像有很强的磁场,你不能在里面使用标准摄像头。你需要特殊的核磁共振兼容设备,但由于昂贵的成本和时间密集的使用,这种设备通常不适用于诊所和小型实验室,”研究作者Matthias Nau说,他与Markus Frey和Christian Doeller一起开发了新的替代方案。这些相机的高成本和使用过程中所涉及的实验努力,到目前为止阻碍了眼球追踪技术在核磁共振检查中的广泛应用。现在这种情况可能会改变。来自莱比锡和特隆赫姆的科学家最近推出了他们的免费且易于使用的软件“DeepMReye”自然神经科学

有了它,即使在核磁共振扫描过程中没有摄像头,也可以跟踪参与者的观看行为。“神经网络我们用从眼睛发出的MRI信号来检测特定的模式。这让我们能够预测这个人在看什么。人工智能在这方面很有帮助,因为作为科学家,我们通常不知道要寻找哪些模式。”马库斯·弗雷解释道。他和他的同事们用他们自己的和从研究参与者那里公开获得的数据训练神经网络,现在它可以在软件没有训练过的数据中执行眼球追踪。这开启了许多可能性。例如,即使在现有的MRI数据中,也可以研究参与者和患者的凝视行为,而这些数据最初是没有眼球追踪的。通过这种方式,科学家可以利用以前的研究和数据集来回答全新的问题。

此外,该软件还可以预测眼睛何时睁开或闭上,并跟踪眼睛的运动,即使眼睛是闭着的。这可能使得即使在研究参与者睡觉时也能进行眼球追踪。Matthias Nau说:“我可以想象,该软件也将用于临床领域,例如,在睡眠实验室中研究不同睡眠阶段的眼球运动。”此外,对于盲人患者,传统的眼球追踪相机很少被使用,因为精确校准非常麻烦。“在这里,DeepMReye可以更容易地进行研究,因为人工智能可以在健康受试者的帮助下校准,然后应用于盲人患者的检查。”因此,该软件可以在研究和临床环境中实现各种应用,甚至可能导致眼球追踪最终成为核磁共振研究和日常临床实践的标准。

订阅我们的通讯

相关文章

深度学习帮助在3D中可视化x射线数据

深度学习帮助在3D中可视化x射线数据

科学家们已经利用人工智能来训练计算机跟上先进光子源所获取的大量x射线数据。

人工智能通过测量心脏周围的脂肪来预测糖尿病

人工智能通过测量心脏周围的脂肪来预测糖尿病

研究人员开发了一种新的人工智能工具,它可以根据核磁共振扫描图像自动测量心脏周围的脂肪数量。

COVID-19: AIs捷径导致误诊

COVID-19: AIs捷径导致误诊

研究人员发现,人工智能模型有寻找捷径的倾向。在人工智能辅助疾病检测的情况下,如果应用在临床环境中,这些捷径可能会导致诊断错误。

生物医学研究:深度学习优于机器学习

生物医学研究:深度学习优于机器学习

深度学习方法有潜力提供更好的结果,生成更好的表征人类大脑。

基于深度学习的图像分割

基于深度学习的图像分割

科学家提出了一种新的方法,可以为大量不同的成像数据集配置自学习算法,而不需要专业知识或非常强大的计算能力。

机器学习算法检测早期阿尔茨海默氏症

机器学习算法检测早期阿尔茨海默氏症

一种基于人工智能的技术通过功能性磁共振成像检测老年痴呆症的早期阶段。

深度学习平台准确诊断肌张力障碍

深度学习平台准确诊断肌张力障碍

研究人员开发了一种独特的诊断工具,可以从核磁共振扫描中检测肌张力障碍,这是第一个提供客观诊断疾病的技术。

人工智能系统,防止成像网络威胁

人工智能系统,防止成像网络威胁

研究人员开发了一种人工智能技术,可以在网络攻击中保护医疗设备免受恶意操作指令的攻击。

人工智能加速血流磁共振成像

人工智能加速血流磁共振成像

研究人员提出了一种可以大大加速动态磁共振血流成像的方法。

受欢迎的文章

订阅简报
Baidu