Faire progresser l’imagerie cérébrale dynamique grâce à l’IA

L’activité électrique cérébrale est répartie sur le cerveau tridimensionnel et change rapidement au fil du temps. De nombreux efforts ont été faits pour visualiser le fonctionnement et le dysfonctionnement du cerveau, et chaque méthode a ses avantages et ses inconvénients. Par exemple, l’IRM a été couramment utilisée pour étudier l’activité cérébrale, mais n’est pas assez rapide pour capturer la dynamique cérébrale. L’EEG est une alternative favorable à la technologie IRM, cependant, sa résolution spatiale moins qu’optimale a été un obstacle majeur à sa large utilité pour l’imagerie.

L’imagerie de source électrophysiologique a également été poursuivie, dans laquelle les enregistrements EEG du cuir chevelu sont traduits vers le cerveau à l’aide du traitement du signal et de l’apprentissage automatique pour reconstruire des images dynamiques de l’activité cérébrale au fil du temps. Bien que l’imagerie source EEG soit généralement moins chère et plus rapide, une formation et une expertise spécifiques sont nécessaires pour que les utilisateurs sélectionnent et règlent les paramètres de chaque enregistrement. Dans de nouveaux travaux publiés, lui et son groupe présentent une première méthodologie d’imagerie cérébrale dynamique basée sur l’IA, qui a le potentiel d’imager la dynamique des circuits neuronaux avec précision et rapidité.

“Dans le cadre d’un effort de plusieurs décennies pour développer des solutions de neuroimagerie fonctionnelle innovantes et non invasives, j’ai travaillé sur une technologie d’imagerie cérébrale dynamique qui peut fournir une précision, être efficace et facile à utiliser, pour mieux servir les cliniciens et les chercheurs”, a déclaré Bin He, professeur de génie biomédical à l’Université Carnegie Mellon.

Il poursuit : « Notre groupe est le premier à atteindre cet objectif en introduisant l’IA et des modèles cérébraux multi-échelles. En utilisant des réseaux de neurones inspirés de la biophysique, nous innovons dans cette approche d’apprentissage en profondeur pour former un réseau de neurones capable de retranscrire avec précision les signaux EEG du cuir chevelu. l’activité des circuits neuronaux dans le cerveau sans intervention humaine.”

Dans l’étude de He, récemment publiée dans Actes de l’Académie nationale des sciences(PNAS), les performances de cette nouvelle approche ont été évaluées par l’imagerie des réponses cérébrales sensorielles et cognitives chez 20 sujets humains sains. Il a également été rigoureusement validé dans l’identification des tissus épileptogènes dans une cohorte de 20 patients atteints d’épilepsie résistante aux médicaments en comparant les résultats d’imagerie non invasive basés sur l’IA avec des mesures invasives et des résultats de résection chirurgicale.

En termes de résultats, la nouvelle approche d’IA a surpassé les méthodes d’imagerie source conventionnelles lorsque la précision et l’efficacité de calcul sont prises en compte.

“Avec cette nouvelle approche, vous n’avez besoin que d’un emplacement centralisé pour effectuer la modélisation du cerveau et l’entraînement du réseau de neurones profonds”, a expliqué He. “Après avoir collecté des données dans un cadre clinique ou de recherche, les cliniciens et les chercheurs pourraient soumettre à distance les données aux réseaux de neurones profonds centralisés et bien formés et recevoir rapidement des résultats d’analyse précis. Cette technologie pourrait accélérer le diagnostic et aider les neurologues et les neurochirurgiens pour une chirurgie meilleure et plus rapide. Planification.”

Dans une prochaine étape, le groupe prévoit de mener des essais cliniques plus importants dans le but de rapprocher la recherche de la mise en œuvre clinique.

“L’objectif est d’obtenir une imagerie cérébrale dynamique efficiente et efficace avec un fonctionnement simple et à faible coût”, a expliqué He. “Cette technologie d’imagerie cérébrale basée sur l’IA rend cela possible.”

Source de l’histoire :

Matériaux fourni par Collège d’ingénierie, Université Carnegie Mellon. Original écrit par Sara Vaccar. Remarque : Le contenu peut être modifié pour le style et la longueur.