长期以来，磁共振成像(MRI)、脑电图(EEG)和脑磁图(magneto)一直是研究大脑活动的工具，但最近美国卡内基梅隆大学的一项新研究引入了一种新型的、基于人工智能的动态大脑成像技术，该技术可以高速、高分辨率、低成本地绘制出大脑中快速变化的电活动。这一进步是在Bin He从事了三十多年的研究之后取得的成果，该研究专注于改进非侵入性动态脑成像技术。
脑电活动分布在3D大脑中，并随时间迅速变化。人们为了成像大脑功能和功能障碍已经做了很多努力，每种方法都有其优缺点。例如，MRI通常被用于研究大脑活动，但它的速度不够快，无法捕捉到大脑的动态。脑电成像技术是磁共振成像技术的一个有利选择，但其不理想的空间分辨率一直是其广泛应用的主要障碍。
电生理源成像也在研究中，头皮脑电图记录通过信号处理和机器学习被翻译回大脑，以重建随时间推移的大脑活动的动态图像。虽然EEG源成像通常成本更低、速度更快，但用户需要专门的培训和专业知识来选择和调优每个记录的参数。在最新发表的研究中，Bin He和他的团队首次引入了基于人工智能的动态大脑成像方法，该方法具有精确和快速地成像神经回路动力学的潜力。
卡耐基梅隆大学生物医学工程教授Bin He说：“作为几十年来开发创新的、非侵入性功能性神经成像解决方案的一部分，我一直在研究一种动态大脑成像技术，这技术精确、有效和易于使用的，以更好地服务于临床医生和研究人员。”
他接着说：“我们团队是第一个通过引入人工智能和多尺度大脑模型实现这一目标的团队，利用受生物物理启发的神经网络，我们正在创新这种深度学习方法，以训练一种神经网络，可以在没有人类干预的情况下，准确地将头皮EEG信号转换回大脑中的神经回路活动。”
Bin He的研究最近发表在《美国国家科学院院刊》(PNAS)上，该研究通过对20名健康人类受试者的感觉和认知大脑反应成像来评估这种新方法的性能，通过比较基于人工智能的无创成像结果与有创测量和手术切除结果，该方法在20名耐药癫痫患者队列中识别致痫组织方面也得到了严格验证。
结果表明，在考虑精度和计算效率的情况下，新的人工智能方法优于传统的源成像方法。
“有了这种新方法，你只需要一个集中的位置来进行大脑建模和训练深度神经网络，”Bin He说。“在临床或研究环境中收集数据后，临床医生和研究人员可以远程将数据提交到训练良好的中央深度神经网络，并快速接收准确的分析结果。这项技术可以加快诊断速度，帮助神经学家和神经外科医生更好、更快地制定手术计划。”
下一步，该小组计划进行更大规模的临床试验，努力使研究更接近临床实施。
Bin He最后说：“我们的目标是用简单的操作和低成本实现高效有效的动态脑成像。这种基于人工智能的脑源成像技术使之成为可能。”
原文链接：https://techxplore.com/news/2022-07-advancing-dynamic-brain-imaging-ai.html
