深度学习分析神经系统问题

对于患有神经系统疾病(例如中风)的运动障碍者而言，前往医生办公室进行检查可能具有挑战性。但是，如果患者仅用智能手机拍摄他们的动作的视频剪辑并将结果转发给医生，该怎么办?加拿大艾伯塔省莱斯布里奇市CCBN大学的Hardeep Ryait博士及其同事的工作于11月21日发表在开放存取期刊《PLOS Biology》上，表明这一天可能是有可能的。

科学家首先使用导致中风影响前肢运动的大鼠，首先要求专家根据它们进食的方式对大鼠的损伤程度进行评分。然后他们将这些信息输入到最新的深度神经网络中，从而可以学会以人类专家的准确度对大鼠的伸手动作进行评分。随后，当向网络提供来自一组新的要进食的大鼠的录像时，该网络还能够以类似人类的准确性对它们的损伤进行评分。事实证明，该程序能够对老鼠进行其他测试，包括测试它们在狭窄的横梁上行走以及拉线以获取食物奖励的能力。

人工神经网络目前用于驾驶汽车，解释视频监控以及监控和调节交通。人工神经网络使用的这一革命鼓励行为神经科学家使用这种网络对实验对象的复杂行为进行评分。同样，神经系统疾病也可以自动进行评估，从而可以量化行为作为检查的一部分或评估药物治疗的效果。这可以帮助避免可能给患者治疗带来主要障碍的延误。

总而言之，这项研究表明，诸如此类的深层神经网络可以为神经学评估提供可靠的评分，并且可以帮助设计行为指标来诊断和监测神经系统疾病。有趣的是，结果表明该网络可以使用比行为评分系统专家所包含的信息更广泛的信息。这项研究的另一个显着贡献是，该网络能够识别最能指示运动障碍的行为特征。这很重要，因为这有可能改善对康复效果的监测。该方法有助于标准化神经系统疾病的诊断和监测，将来可能会被患者在家中用于监控日常症状。