Gli scienziati utilizzano immagini generate dall’intelligenza artificiale per mappare le funzioni visive nel cervello

Nello studio, pubblicato il 23 ottobre in Biologia delle comunicazioni, i ricercatori hanno chiesto ai volontari di guardare le immagini che erano state selezionate o generate sulla base di un modello AI del sistema visivo umano. Si prevedeva che le immagini attivassero al massimo diverse aree di elaborazione visiva. Utilizzando la risonanza magnetica funzionale (fMRI) per registrare l’attività cerebrale dei volontari, i ricercatori hanno scoperto che le immagini attivavano le aree target in modo significativamente migliore rispetto alle immagini di controllo.

I ricercatori hanno anche dimostrato di poter utilizzare questi dati di risposta alle immagini per mettere a punto il loro modello di visione per i singoli volontari, in modo che le immagini generate per attivarsi al massimo per un particolare individuo funzionassero meglio delle immagini generate sulla base di un modello generale.

“Riteniamo che questo sia un nuovo approccio promettente per studiare le neuroscienze della vista”, ha affermato l’autrice senior dello studio, la dott.ssa Amy Kuceyeski, professoressa di matematica in radiologia e di matematica in neuroscienze presso il Feil Family Brain and Mind Research Institute presso Weill Cornell Medicine. .

Lo studio è frutto di una collaborazione con il laboratorio del dottor Mert Sabuncu, professore di ingegneria elettrica e informatica presso la Cornell Engineering e Cornell Tech, e di ingegneria elettrica in radiologia presso la Weill Cornell Medicine. Il primo autore dello studio è stato il dottor Zijin Gu, uno studente di dottorato co-mentorato dal dottor Sabuncu e dal dottor Kuceyeski al momento dello studio.

Realizzare un modello accurato del sistema visivo umano, in parte mappando le risposte cerebrali a immagini specifiche, è uno degli obiettivi più ambiziosi delle neuroscienze moderne. I ricercatori hanno scoperto, ad esempio, che una regione di elaborazione visiva può attivarsi fortemente in risposta all’immagine di un volto mentre un’altra può rispondere a un paesaggio. Per raggiungere questo obiettivo gli scienziati devono affidarsi principalmente a metodi non invasivi, dati il ​​rischio e la difficoltà di registrare l’attività cerebrale direttamente con gli elettrodi impiantati. Il metodo non invasivo preferito è la fMRI, che essenzialmente registra i cambiamenti nel flusso sanguigno nei piccoli vasi del cervello – una misura indiretta dell’attività cerebrale – mentre i soggetti sono esposti a stimoli sensoriali o eseguono altrimenti compiti cognitivi o fisici. Una macchina per la risonanza magnetica può leggere questi piccoli cambiamenti in tre dimensioni nel cervello, con una risoluzione dell’ordine dei millimetri cubi.

Per i loro studi, il dottor Kuceyeski e il dottor Sabuncu e i loro team hanno utilizzato un set di dati esistente comprendente decine di migliaia di immagini naturali, con le corrispondenti risposte fMRI di soggetti umani, per addestrare un sistema di tipo AI chiamato rete neurale artificiale (ANN). per modellare il sistema di elaborazione visiva del cervello umano. Hanno quindi utilizzato questo modello per prevedere quali immagini, nel set di dati, avrebbero dovuto attivare al massimo diverse aree visive mirate del cervello. Hanno anche accoppiato il modello con un generatore di immagini basato sull’intelligenza artificiale per generare immagini sintetiche per svolgere lo stesso compito.

“La nostra idea generale è stata quella di mappare e modellare il sistema visivo in modo sistematico e imparziale, in linea di principio anche utilizzando immagini che una persona normalmente non incontrerebbe”, ha detto il dottor Kuceyeski.

I ricercatori hanno arruolato sei volontari e hanno registrato le loro risposte fMRI a queste immagini, concentrandosi sulle risposte in diverse aree di elaborazione visiva. I risultati hanno mostrato che, sia per le immagini naturali che per quelle sintetiche, le immagini di massimo attivatore previste, in media tra i soggetti, hanno attivato le regioni cerebrali target in modo significativamente maggiore rispetto a una serie di immagini selezionate o generate per essere solo attivatori medi. . Ciò supporta la validità generale del modello basato su ANN del team e suggerisce che anche le immagini sintetiche potrebbero essere utili come prove per testare e migliorare tali modelli.

In un esperimento successivo, il team ha utilizzato l’immagine e i dati di risposta fMRI della prima sessione per creare modelli separati del sistema visivo basati su ANN per ciascuno dei sei soggetti. Hanno poi utilizzato questi modelli individualizzati per selezionare o generare immagini previste dell’attivatore massimo per ciascun soggetto. Le risposte fMRI a queste immagini hanno mostrato che, almeno per le immagini sintetiche, c’era una maggiore attivazione della regione visiva mirata, una regione di elaborazione del volto chiamata FFA1, rispetto alle risposte alle immagini basate sul modello di gruppo. Questo risultato suggerisce che l’intelligenza artificiale e la fMRI possono essere utili per la modellazione individualizzata del sistema visivo, ad esempio per studiare le differenze nell’organizzazione del sistema visivo tra le popolazioni.

I ricercatori stanno ora eseguendo esperimenti simili utilizzando una versione più avanzata del generatore di immagini, chiamata Stable Diffusion.

Lo stesso approccio generale potrebbe essere utile nello studio di altri sensi come l’udito, hanno osservato.

Il dottor Kuceyeski spera infine di studiare anche il potenziale terapeutico di questo approccio.

“In linea di principio, potremmo alterare la connettività tra due parti del cervello utilizzando stimoli appositamente progettati, ad esempio per indebolire una connessione che causa un eccesso di ansia”, ha affermato.