人工智能在脑损伤研究中提供了范式转变

斯坦福大学的研究人员现在表示，他们已经利用人工智能来制作一个更准确的模型，说明变形如何转化为大脑中的压力，并相信他们的方法可以揭示对脑震荡何时以及为什么有时会导致持久的脑损伤的更明确的理解，而其他时候则不然。

“迄今为止，大脑建模的问题在于大脑不是一个均匀的组织 - 它在大脑的每个部分都不相同。然而，创伤往往是普遍存在的，“机械工程教授，生命物质实验室主任，发表在《生物材料学报》上的一项新研究的资深作者艾伦库尔说。

“大脑也是超软的，就像Jell-O一样，这使得测试和模拟对大脑的物理影响非常具有挑战性。

去图书馆

想要研究脑外伤的研究人员被迫从数十种材料模型的库中选择，其中一些可以追溯到近一个世纪前，以帮助计算大脑的压力。

几十年来，科学家们已经为软材料开发了这些模型，其名称难以理解，如“塑料和橡胶的新胡克模型”，“软组织的Demiray模型”和“橡胶状固体的奥格登模型”。但是，适用于某种类型的应力(拉伸、压缩或剪切)的模型可能不适用于另一种。或者，一个可能适用于大脑一个区域的模型，可能不适用于另一个区域。

新方法采用模型模型策略，使用人工智能来发现4多种可能性中的哪个模型最能解释大脑的行为。过去，选择最佳模型是一个命中注定的过程，很大程度上取决于用户体验和个人偏好。

“我们通过允许机器学习检查数据并决定哪种模型效果最好，从而将用户选择排除在等式之外，”Kuhl实验室的博士学者，该论文的合著者Sarah St. Pierre补充道。

“自动化这个过程降低了模拟大脑的障碍。现在，每个斯坦福学生都可以做到这一点!一旦机器学习发现了最佳模型，就很容易将其与几代研究人员提出的模型联系起来。

变革性见解

这种方法被称为组成人工神经网络，是由Kevin Linka在加入生命物质实验室担任博士后之前开发的，将他的方法应用于大脑。

“我们为网络提供了上个世纪开发的所有现有本构模型。人工智能会进行混合搭配以找到最佳选择。这是不可能用手完成的，“林卡说。“现在，我们有效地发现了一种新的模型，使我们对研究大脑中的机械应力更有信心。

与传统的现成神经网络不同，本构型人工神经网络为大脑的物理学提供了新的见解。仅举一个例子，研究小组指出，他们确定了物理上有意义的参数，例如四个大脑区域(皮层，基底神经节，电晕辐射和胼胝体)的不同剪切刚度，每个区域精确地为1.82，0.88，0.94和0.54千帕。

剪切模量将撞击头部的力与脑组织变形有关。通过这些措施，大脑皮层 - 大脑的灰色外层 - 的硬度是连接大脑两个半球的神经网络胼胝体的三倍多。

有了这些改进的知识，脑外伤研究人员可以更准确地模拟和了解脑外伤的起源。这可以激发新的防护设备或促进愈合的治疗方法的设计。

为了将这些知识转化为工程实践，Kuhl 的团队与一家大型仿真软件公司 Dassault Systemès Simulia 合作，将自动模型发现直接集成到他们的分析工作流程中。

“这项研究真正令人兴奋的是，”Kuhl说，“是组成型人工神经网络可以引发软组织建模的范式转变，从用户定义的模型选择到自动模型发现。这可能会永远改变我们模拟材料和结构的方式。