來源：Skolkovo科學與技術研究所
Skoltech計算與數據密集型科學與工程中心（CDISE）的一組研究人員，在基於MRI的國際青少年智力預測比賽中獲得了第四名的成績。比賽中，Skoltech的科學家們首次使用，基於深度3-D網絡學習的集成方法，來處理這一具有挑戰性的預測任務。
他們的研究結果發表在《青少年大腦認知發展神經認知預測》雜誌上。
2013年，美國國立衛生研究院（NIH）首次開展了關於青少年大腦的大規模研究，即青少年大腦認知發展（ABCD，abcdstudy.org/），以瞭解青少年的愛好和習慣是否能夠影響,以及如何影響他們大腦的進一步發展。
磁共振成像（MRI）是一項用來獲取人體內部器官和組織圖像的常用技術。科學家們想知道的是，我們是否可以從核磁共振腦圖中預測出個體的智商水平。
國家衛生研究所的數據庫中共保存有11000多幅，9-10歲兒童的結構和功能磁共振圖像。
美國國立衛生研究院的科學家發起了一項國際競賽，這是龐大的國家衛生研究院數據庫，有史以來第一次向廣大學術研究社區開放。這一競賽的參與者所需完成的任務是，建立一個基於大腦圖像的預測模型。
Skoltech團隊在參與競賽的過程中，將神經網絡應用於核磁共振圖像的處理。
圖源：花瓣網
為此，他們建立了一個網絡體系結構，這一網絡結構可以使多個數學模型應用於同一數據，從而提高預測精確度，並且它們還採用了一種新的集成方法對MRI數據進行分析。
在Skoltech團隊最近的研究中，團隊研究人員把研究焦點放在了預測智力水平（即所謂的“流體智力”）上，流體智力表徵的是神經系統的生物能力，與個體獲得的知識或技能幾乎沒有任何關係。
非常值得一提的是，團隊即對個體的流體智力水平進行了預測，又對與年齡、性別、腦的大小，或使用的核磁共振掃描儀無關的目標變量進行了預測。
“除此之外，我們團隊還為核磁共振數據分析中的計算機視覺任務開發了深度學習方法。在這項研究中，我們將分類器集成應用於3-D超精密神經網絡：通過這種方法，人們可以將圖像按其原貌進行分類，而不必首先對其進行降維處理。
因此也就有效避免了有價值信息的丟失，”CDISE博士生Ekaterina Kondratyeva解釋道。
這項研究的結果有助於發現孩子的“流體智力”與其大腦解剖結構之間的關係。雖然預測的準確性還不能稱得上完美，但本次比賽中所產生的模型將有助於揭示青少年認知、社會、情感和身體發展的各個方面的情況。
這一研究領域未來勢必會得到進一步的拓展。
Skoltech團隊應邀在2019年於中國深圳舉辦的世界最負盛名的醫學影像會議之一——MICCAI上，展示他們的新方法。
翻譯：UTCS
鏈接：https://medicalxpress.com/news/2019-12-mri-intelligence-children.html
閱讀更多 brainnews 的文章
