صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
۱۵:۰۴ - ۰۶ آبان ۱۴۰۳
از سوی محققان دانشگاه تهران انجام شد؛

گامی بزرگ برای تخمین سن زیستی مغز انسان/ تشخیص زودهنگام بیماری‌های عصبی

روش نوین پژوهشگران دانشگاه تهران برای تخمین سن زیستی مغز انسان، تشخیص زودهنگام بیماری‌های عصبی را ممکن می‌کند.
کد خبر : 937835

به گزارش خبرنگار خبرگزاری آنا،‌ ایمان کیانیان، دانشجوی کارشناسی ارشد علوم کامپیوتر دانشگاه تهران روشی نوین برای تخمین سن زیستی مغز انسان معرفی کرده است که می‌تواند گامی مؤثر در تشخیص زودهنگام بیماری‌های عصبی مرتبط با پیری، مانند آلزایمر و پارکینسون باشد. تخمین سن زیستی مغز بر اساس ویژگی‌های ساختاری و عملکردی، ابزاری کارآمد در ارزیابی روند پیری مغز و پیش‌بینی تغییرات شناختی است.

مدلی  در دانشگاه تهران با عنوان «مدل دومسیره حریص» معرفی شد که بر پایه یادگیری ماشین و استفاده از تصاویر ام‌آر‌آی طراحی شده است  و می‌تواند بدون نیاز به داده‌های وسیع و پرهزینه، دقت بالایی در تحلیل و تخمین سن مغز به دست آورد.

مدل معرفی‌شده با استفاده از شبکه‌های عصبی پیچیده و الگوریتم‌های یادگیری عمیق، تصاویر ام‌آر‌آی مغز را به‌صورت مقطعی تجزیه و تحلیل می‌کند. این مدل از دو مسیر برای تحلیل هم‌زمان اطلاعات استفاده می‌کند. مسیر محلی که به بررسی دقیق بخش‌های خاصی از مغز می‌پردازد و مسیر کلی که از دید جامع‌تری برای تحلیل بهره می‌برد. سپس، نتایج به دست آمده از هر دو مسیر، توسط یک بخش ویژه برای اصلاح و ترکیب نهایی پردازش می‌شوند. در نهایت، این پردازش ترکیبی، تخمینی دقیق از سن زیستی مغز ارائه می‌دهد که برای ارزیابی سریع و دقیق وضعیت مغزی و سلامت شناختی فرد بسیار کاربردی است.

یکی از چالش‌های موجود در فرایند این پژوهش، فقدان دسترسی به مجموعه داده‌های بزرگ ام‌آر‌آی در ایران بوده است. در حالی که بسیاری از مدل‌های پیشرفته در این زمینه برای عملکرد بهینه، به داده‌های وسیع و متنوع نیاز دارند، این مدل با استفاده از داده‌های محدود داخلی توانسته است به نتایج قابل مقایسه‌ای با مدل‌های پیچیده‌تر دست یابد. بهره‌گیری از داده‌های داخلی، همچنین به دلیل ویژگی‌های خاص زیستی و فرهنگی ملیت ایرانی، امکان تحلیل‌های دقیق‌تر و واقع‌گرایانه‌تر را فراهم کرده است. این امر، نشان‌دهنده قدرت مدل در انطباق با داده‌های محلی و کارایی آن در موقعیت‌هایی با داده‌های محدود است.

این مدل سرعت بالایی در پردازش دارد و قادر است با دریافت تصویر ام‌آرآی، سن زیستی مغز را در کمتر از یک ثانیه تشخیص بدهد. این سرعت، به‌ویژه در ارزیابی‌های بالینی و پایش‌های سریع کاربرد دارد و می‌تواند به پزشکان کمک کند تا با دقت بیشتری وضعیت شناختی بیماران خود را ارزیابی کنند و اقدامات پیشگیرانه و درمانی لازم را در زمان مناسب آغاز نمایند.

روش پیشنهادی این امکان را دارد که به ابزاری جامع‌تر برای پیش‌بینی و تحلیل روند پیری مغز تبدیل شود. به عنوان مثال، با جمع‌آوری داده‌های بیشتر و بهبود فناوری‌های تصویربرداری، مدل‌های پیشرفته‌ای می‌توانند توسعه یابند که با داده‌های گسترده‌تر و پیچیده‌تر کار کنند و الگو‌های دقیق‌تری از پیری مغز را شناسایی کنند. این فناوری همچنین می‌تواند به عنوان ابزاری برای پایش مستمر وضعیت مغز به کار رود و به پزشکان و محققان کمک کند تا از روند پیری مغز در سطح کلان و به‌مرور زمان آگاهی پیدا کنند.

این روش نوین نه تنها به پزشکان و محققان در تشخیص و درمان بیماری‌های مرتبط با سن کمک می‌کند، بلکه با ایجاد یک پایه علمی برای توسعه فناوری‌های آینده، راه را برای ظهور ابزار‌های پیشرفته‌تر و مقرون‌به‌صرفه‌تر در حوزه پزشکی باز می‌کند. سرمایه‌گذاری در چنین مدل‌هایی، علاوه بر ارتقای کیفیت زندگی، می‌تواند تأثیرات مثبتی بر بهبود سلامت عمومی و کاهش بار مالی درمان بیماری‌های مرتبط با پیری مغز داشته باشد.

انتهای پیام/

برچسب ها: مغز سلامت محققان
ارسال نظر