“nörogörüntüleme” için sonuçlar
7 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Şizofreni Riski Yüksek Gençlerde Beyin Gelişimi Farklılaşıyor
6000'den fazla çocuk üzerinde yapılan uzun süreli bir araştırma, şizofreni için genetik riski yüksek olan ergenlerin beyin gelişiminde dikkat çekici bir farklılık olduğunu ortaya koydu. Erken ergenlik döneminde bu çocukların ön beyin yüzey alanında küçülme görülürken, normal gelişim gösteren yaşıtlarında büyüme kaydedildi. Bu bulgular, hastalığın klinik belirtileri ortaya çıkmadan yıllar önce tespit edilebilecek yeni bir nörogörüntüleme belirteci sunuyor. Araştırma, şizofreniye yönelik erken müdahale stratejilerinin geliştirilmesi açısından büyük önem taşıyor ve beyin gelişimindeki bu dinamik ayrışmanın hastalığın anlaşılması için kritik ipuçları sağladığını gösteriyor.
Beyin görüntüleme yapay zekası: fMRI verilerinden düz harita çözümü
Bilim insanları, fonksiyonel MRI verilerini analiz etmek için yeni bir yapay zeka modeli geliştirdi. CortexMAE adlı bu sistem, 3 boyutlu beyin görüntülerini 2 boyutlu düz haritalara dönüştürerek Vision Transformer teknolojisini beyin verilerine uyarladı. 2100 saatlik açık fMRI verisi üzerinde eğitilen model, beyin aktivitelerini daha iyi anlayabilmek için geliştirildi. Araştırmacılar ayrıca fMRI modelleri için ilk açık değerlendirme platformu olan Brainmarks'ı da hayata geçirdi. Çalışmada düz harita, bölütleme ve hacim tabanlı temsil yöntemleri karşılaştırıldı. Sonuçlar düz harita yaklaşımının genel olarak en iyi performansı sergilediğini gösterdi. Bu gelişme, beyin görüntüleme teknolojilerinde yapay zekanın kullanımına yeni perspektifler kazandırıyor.
Beyin Ağları Kaygının Farklı Boyutlarını Nasıl Yönetiyor?
Amerikalı bilim insanları, kaygının davranışsal, fizyolojik ve öznel boyutlarının beynin farklı ağları tarafından desteklenip desteklenmediğini araştırdı. 47 genç yetişkinle yürütülen çalışmada, katılımcıların tehdit beklentisi görevlerindeki performansları ve beyin aktiviteleri incelendi. Bulgular, yüksek kaygı seviyesine sahip bireylerin belirsiz tehditler karşısında daha hızlı tepki verdiğini ve bu durumun artan uyanıklık haliyle bağlantılı olduğunu gösterdi. Beyin görüntüleme teknikleriyle elde edilen veriler, kaygının farklı bileşenlerinin gerçekten de beynin ayrı ağ sistemleri tarafından işlendiğine dair kanıtlar sunuyor. Bu keşif, kaygı bozukluklarının tedavisinde daha hedefli yaklaşımlar geliştirilebilmesi açısından önemli.
Beyin dinamiklerini haritalamada geometriye dayalı yeni yaklaşım
Araştırmacılar, EEG ve MEG gibi invaziv olmayan beyin görüntüleme yöntemlerinin doğruluğunu artıran yeni bir yaklaşım geliştirdi. Geometric Basis Functions (GBF) adı verilen bu yöntem, her bireyin korteks yüzeyinin benzersiz geometrisini dikkate alarak beyin aktivitesinin haritalanmasında çığır açıcı iyileştirmeler sağlıyor. Geleneksel yöntemlerin aksine, GBF kişiye özel anatomik kısıtlamaları kullanarak nöral kaynak lokalizasyonunda daha yüksek doğruluk elde ediyor. Meta-Source Benchmark, görev temelli veriler, dinlenme durumu ağları, intrakraniyal stimülasyon ve epilepsi verilerinde test edilen yöntem, beyin dinamiklerinin geometrik organizasyonuyla uyumlu kaynak tahminleri üretiyor. Bu gelişme, nörolojik hastalıkların tanısından beyin araştırmalarına kadar geniş bir alanda uygulanabilir.
Yapay Zeka ile Beyin Yaşını Ölçen Yeni Sistem Geliştirildi
Araştırmacılar, MRI görüntülerinden beyin yaşını tahmin edebilen çok modlu yapay zeka sistemi geliştirdi. İki aşamalı mimari kullanan sistem, önce kişiyi altı gelişim evresinden birine sınıflandırıyor, ardından o evre içinde yaşı tahmin ediyor. Beyin morfolojisi ve beyaz madde organizasyonunu birlikte analiz eden yöntem, yaşam boyu beyin olgunluğunu değerlendirmek için birleşik bir yaklaşım sunuyor. Bu teknoloji, beyin sağlığının önemli bir göstergesi olan beyin yaşının daha doğru ölçülmesini sağlıyor ve mevcut yöntemlerin sınırlı yaş aralığı ve tek modalite kullanım kısıtlarını aşıyor.
Yapay Zeka Veri Seçiminde Yeni Dönem: Esnek Yanlış Keşif Kontrolü
Araştırmacılar, yapay zeka ve makine öğrenmesinde kritik öneme sahip veri seçim süreçlerini iyileştiren yeni bir yöntem geliştirdi. 'Post-hoc Conformal Selection' adı verilen bu teknik, geleneksel yöntemlerin aksine sabit hata oranları belirleme zorunluluğunu ortadan kaldırıyor. Yeni sistem, kullanıcıların veriyi gözlemledikten sonra seçim kriterlerini ayarlayabilmesine olanak tanıyor. Bu yaklaşım özellikle genomik ve nörogörüntüleme gibi alanlarda, araştırmacıların mevcut kanıt gücüne ve kaynaklara göre karar verebilmeleri açısından devrimci. Geleneksel yöntemler önceden belirlenmiş hata oranlarıyla çalışırken, yeni teknik veri-temelli yanlış keşif oranı tahminleri sunarak daha esnek bir yaklaşım getiriyor.
Makine öğrenmesi DEHB'nin beyin sırlarını çözüyor
Araştırmacılar, makine öğrenmesi teknikleriyle DEHB (Dikkat Eksikliği Hiperaktivite Bozukluğu) hastalarının beyin aktivitelerini analiz ederek, bu durumun nöral mekanizmalarını aydınlatmaya çalışıyor. EEG kayıtları ve nörögörüntüleme verilerini kullanan bu çalışma, motivasyon, çaba ve ödül mekanizmalarının beynimizde nasıl işlediğini anlamaya odaklanıyor. Araştırma, DEHB'den apati durumuna kadar uzanan geniş bir spektrumda görülen davranışsal bozuklukların altında yatan beyin dinamiklerini inceliyor. Makine öğrenmesi algoritmalarının bu alanda sunduğu yeni imkanlar, gelecekte daha etkili teşhis ve tedavi yöntemlerinin geliştirilmesi için umut vadediyor.