用人工智能推进动态脑成像

MRI、脑电图(EEG)和脑磁图长期以来一直是研究大脑活动的工具，但卡内基梅隆大学的一项新研究引入了一种新颖的、基于人工智能的动态脑成像技术，该技术可以绘制出大脑中快速变化的电活动速度快、分辨率高、成本低。这一进步是在何斌进行了30多年研究之后取得的，该研究专注于改进非侵入性动态脑成像技术的方法。

脑电活动分布在3D大脑中，并随时间迅速变化。已经为成像大脑功能和功能障碍做出了许多努力，每种方法都有利有弊。例如，MRI通常用于研究大脑活动，但速度不足以捕捉大脑动态。EEG是MRI技术的有利替代方案，但其空间分辨率不够理想一直是其广泛用于成像的主要障碍。

还进行了电生理源成像，其中头皮脑电图记录通过信号处理和机器学习被转换回大脑，以重建大脑活动随时间变化的动态图像。虽然EEG源成像通常更便宜、更快，但用户需要特定的培训和专业知识来选择和调整每次记录的参数。在新发表的作品中，He和他的团队介绍了首个基于AI的动态脑成像方法，该方法具有精确和快速地对神经回路进行动态成像的潜力。

“作为数十年来开发创新、非侵入性功能性神经影像解决方案的一部分，我一直致力于开发一种动态脑成像技术，该技术可以提供精确、有效且易于使用，以更好地为临床医生和研究人员服务，”卡内基梅隆大学生物医学工程教授何斌说。

他继续说道，“我们的团队是第一个通过引入人工智能和多尺度大脑模型来实现这一目标的团队。使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来训练可以将头皮EEG信号精确转换回没有人为干预的大脑中的神经回路活动。”

在最近发表在美国国家科学院院刊(PNAS)上的He的研究中，通过对20名健康人类受试者的感觉和认知大脑反应进行成像来评估这种新方法的性能。通过将基于AI的非侵入性成像结果与侵入性测量和手术切除结果进行比较，它在识别20名耐药性癫痫患者队列中的致癫痫组织方面也得到了严格验证。

结果明智，当考虑精度和计算效率时，新的AI方法优于传统的源成像方法。

“使用这种新方法，您只需要一个集中的位置来执行大脑建模和训练深度神经网络，”He解释说。“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将数据远程提交到训练有素的集中式深度神经网络，并快速获得准确的分析结果。这项技术可以加快诊断速度，并协助神经科医生和神经外科医生进行更好、更快的手术规划。”

作为下一步，该小组计划进行更大规模的临床试验，以使研究更接近临床实施。

“目标是实现高效、有效的动态脑成像，操作简单，成本低，”何解释说。“这种基于人工智能的脑源成像技术使之成为可能。”