耶鲁大学的研究人员将神经科学与算法和网络科学相结合，开发了一种分析个体大脑神经连接的方法，使他们能够成功预测受试者的智商，性别，甚至在进行脑部扫描时正在执行的任务。
在电气工程与计算机科学助理教授Amin Karbasi与放射学，生物医学成像和神经外科教授Todd Constable的实验室之间的合作中，研究人员分析了来自人类Connectome项目的100多名受试者的功能性MRI扫描，五年的努力来创建人脑的网络地图。
最近在医学图像计算和计算机辅助干预国际会议上发表的这项研究着重于所谓的体素。与像素类似，体素是扫描中可实现的最低分辨率，每个像素可代表多达数百万个神经元。研究人员将体素聚类到称为节点或宗地的不同区域，这一过程称为分割。分割大脑的传统方法已用于绘制大脑连接图，以创建通用的大脑图集。但是这些方法忽略了许多个体间的变异和神经联系的独特性质。这些变化对于患者和发育研究尤其重要，在这些患者和发育研究中，单个功能图谱可能不适用于所有个体或状况。
博士Mehraveh Salehi表示：“传统的人脑分割方法会使该组中所有受试者的数据崩溃，然后将平均值聚类。”康斯特布尔（Constable）和卡尔巴西（Karbasi）实验室中的候选人。“但是我们已经证明，如果您在个体方面进行此操作，则每个个体都有不同的分类。”
为了使现有的分区变得个性化，该团队使用了一种汇总大量数据的方法，即基于示例的聚类。Salehi说：“这样做的目的是找到最有代表性的数据元素。”为了识别这些示例，研究小组应用了亚模函数优化算法。
她说：“如果考虑到这些差异，我们可以从功能连接性分析中建立更好的模型，并且这些模型可以更好地预测行为，例如智商。”
耶鲁大学网络科学研究所（YINS）的教职员工Karbasi说，可以从体素网络中收集的信息量非常多。
卡尔巴西说：“令人着迷的是，网络的形状讲述了很多故事。”“例如，我们可以说扫描仪中的这个人是男性还是女性。它还告诉我们，这些人正在执行不同类型的任务。就像在读大脑。”
他补充说，他们只是在“挖掘技术”潜力的表面。
卡尔巴斯说：“想象一下，如果我们能真正读懂大脑并理解人们的想法，我们会在20年后做什么。”他说，例如，这有可能导致人们更好地理解大脑如何从一种情绪状态过渡到另一种情绪状态，以及新的抑郁症治疗方法。
萨利（Salhi）也是YINS的成员，为该项目启动了两个实验室的配对。
“我们确实是通过网络来完成这个项目的，”卡尔巴西说。“这是一个非常成功的例子，说明当您将合适的人召集在一起时，事情如何运作。”
出版物：Mehraveh Salehi等人，“创建人脑的个体化碎片的亚模块方法”，MICCAI，2017年； doi：10.1007 / 978-3-319-66182-7_55
