使用深度学习研究大脑的物质运输

大脑是人体最复杂的器官,控制从感官到的行为。身体的一部分一样,它受到各种误差影响认知和生理功能,其中一些包括亨廷顿氏舞蹈症、帕金森病、阿尔茨海默氏症。不幸的是,对治疗或治愈这些退行性疾病,导致护理主要涉及管理的症状。

然而,这些疾病和其他的原因,以及潜在的预防或治疗方法治疗,可能在我们的掌握。

杰西卡张先生和李Angran研究基本材料的运输在整个神经突networks-portions神经元的神经冲动的神经元。这项研究结果发表在《华尔街日报》科学报告。

“这是一个非常新的技术,使用multi-physics系统研究神经元材料运输,”张说,卡内基梅隆大学机械工程教授。“这是研究神经元退行性疾病的关键。在这个研究中,我们关注的是使用机器学习快速预测仿真的浓度的结果。有很多的潜在影响在理解复杂的神经元几何的物质运输。这将是非常有用的,帮助我们了解疾病的发展。”

他们的研究涉及使用神经网络(GNN)的图表深度学习模型发现isogeometric分析(IGA)的材料运输模拟轴突分支,它释放运输材料。这些方法都假定材料浓度分布和组装基于本地可以预测图形化表示,允许浓度分布的恢复。

Amir巴拉狄Farimani机械工程助理教授,在选择适当的提供帮助深度学习本研究模型。

大多数文献只研究了一维问题,他们的研究是多方面的,复杂的三维方法。“深度学习可以使整个过程非常高效,高精度,”张说。“我们想强调的是,这可以帮助我们理解和追求更多的神经元退行性疾病的调查。”

张还强调了技术的重要性,使他们完成一个精确的、健壮的、高效的学习。

Angran李是一个博士生在卡内基梅隆大学机械工程。