Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
El da\u00f1o a una parte del cerebro que procesa la informaci\u00f3n visual, la corteza inferotemporal (IT), puede ser devastador, especialmente para los adultos. Los afectados pueden perder la capacidad de leer (un trastorno conocido como alexia), o reconocer rostros (prosopagnosia) u objetos (agnosia), y actualmente no hay mucho que los m\u00e9dicos puedan hacer. <\/p>\n
Un modelo m\u00e1s preciso del sistema visual puede ayudar a los neurocient\u00edficos y m\u00e9dicos a desarrollar mejores tratamientos para estas afecciones. Investigadores de la Universidad Carnegie Mellon (CMU) han desarrollado un modelo computacional que les permite simular la organizaci\u00f3n espacial o la topograf\u00eda de la TI y aprender m\u00e1s sobre c\u00f3mo se organizan e interact\u00faan los grupos vecinos de tejido cerebral. Esto tambi\u00e9n podr\u00eda ayudarlos a comprender c\u00f3mo el da\u00f1o en esa \u00e1rea afecta la capacidad de reconocer rostros, objetos y escenas.<\/p>\n
Los investigadores Nicholas Blauch, Ph.D. estudiante del Programa de C\u00f3mputo Neural, y sus asesores David C. Plaut y Marlene Behrmann, ambos profesores del Departamento de Psicolog\u00eda y del Instituto de Neurociencias de la CMU, describieron el modelo en la edici\u00f3n del 18 de enero de Proceedings of the National Academy of Sciences. <\/p>\n
Blauch dijo que el art\u00edculo puede ayudar a los neurocient\u00edficos cognitivos a responder preguntas de larga data sobre c\u00f3mo funcionan juntas las diferentes partes del cerebro.<\/p>\n
\u00abDurante mucho tiempo nos hemos estado preguntando si deber\u00edamos pensar en la red de regiones en el cerebro que responde a los rostros como una entidad separada solo para reconocer rostros, o si debemos pensar en ello como parte de una arquitectura neuronal m\u00e1s amplia para el reconocimiento de objetos\u00bb, dijo Blauch. \u00abEstamos tratando de resolver este problema usando un modelo computacional que asume esta organizaci\u00f3n general m\u00e1s simple, y viendo si este modelo puede explicar la especializaci\u00f3n que vemos en el cerebro a trav\u00e9s del aprendizaje para realizar tareas\u00bb.<\/p>\n
Para hacerlo, los investigadores desarrollaron un modelo de aprendizaje profundo dotado de caracter\u00edsticas adicionales de conectividad cerebral biol\u00f3gica, con la hip\u00f3tesis de que el modelo podr\u00eda revelar la organizaci\u00f3n espacial o la topograf\u00eda de la TI.<\/p>\n
\u00abEl cerebro no No tengo un volumen ilimitado\u00bb, explic\u00f3 Blauch. \u00abDebe tratar de mantener la cantidad de materia blanca utilizada para conectar diferentes \u00e1reas del cerebro al m\u00ednimo requerido para una comunicaci\u00f3n efectiva, de modo que haya espacio para m\u00e1s materia gris o neuronas para calcular la informaci\u00f3n\u00bb. <\/p>\n
Blauch tambi\u00e9n explic\u00f3 que la mayor\u00eda de las conexiones entre \u00e1reas del cerebro provienen de neuronas excitatorias, mientras que las conexiones dentro de un \u00e1rea cerebral est\u00e1n mediadas por neuronas tanto excitatorias como inhibidoras. En la mayor\u00eda de los modelos de aprendizaje profundo, las neuronas artificiales pueden excitar e inhibir individualmente a otras neuronas.<\/p>\n
Siguiendo estos principios, los investigadores establecieron una arquitectura de red b\u00e1sica y una funci\u00f3n de costo que enfatiza aprender a reconocer im\u00e1genes, mientras intentan mantenga las conexiones cortas. Los cient\u00edficos entrenaron el modelo, denominado Red topogr\u00e1fica interactiva, para reconocer im\u00e1genes de diferentes dominios: rostros, objetos y escenas. Una vez que el modelo aprendi\u00f3 a reconocer estas im\u00e1genes, encontraron que hab\u00eda producido \u00e1reas espaciales selectivas para cada dominio, como se ve en el cerebro.<\/p>\n
Luego, simularon lesiones o da\u00f1o cerebral en cada \u00e1rea. Cuando introdujeron lesiones en el \u00e1rea selectiva del modelo para reconocimiento facial, observaron un gran d\u00e9ficit en la capacidad del modelo para reconocer rostros. Obtuvieron el mismo resultado con los dominios de objetos y escenas. Tambi\u00e9n descubrieron que el da\u00f1o no era del todo espec\u00edfico.<\/p>\n
\u00abHay algunos da\u00f1os residuales en los otros dominios\u00bb, dijo Blauch. \u00abEs peque\u00f1o en comparaci\u00f3n con el dominio preferido, pero nos muestra que la especializaci\u00f3n dentro de estas redes puede ser fuerte pero tambi\u00e9n algo mixta. Eso, combinado con los principios generales empleados por todo el sistema, implica que puede pensarse mejor como uno sistema con especializaci\u00f3n interna en lugar de una colecci\u00f3n de m\u00f3dulos independientes\u00bb. <\/p>\n
Un sistema general y flexible podr\u00eda ser m\u00e1s capaz de reorganizarse despu\u00e9s del da\u00f1o, como se observa en los ni\u00f1os que recuperan en gran medida la funci\u00f3n visual despu\u00e9s del da\u00f1o en una etapa temprana de la vida, en contraste con los adultos con da\u00f1os similares.<\/p>\n
Los investigadores planean expandir el modelo para investigar m\u00e1s preguntas sobre el sistema visual, incluidas las interacciones entre la organizaci\u00f3n de TI y otras \u00e1reas del cerebro. <\/p>\n
Explore m\u00e1s<\/p>\n
Detecci\u00f3n de rostros en redes neuronales profundas no entrenadas M\u00e1s informaci\u00f3n:<\/strong> Nicholas M. Blauch et al, Una cuenta computacional con restricciones de conectividad de la organizaci\u00f3n topogr\u00e1fica en la corteza visual de alto nivel de primates, Actas de la Academia Nacional de Ciencias (2022). DOI: 10.1073\/pnas.2112566119 Informaci\u00f3n de la revista:<\/strong> Procedimientos de la Academia Nacional de Ciencias <\/p>\n Proporcionado por la Universidad Carnegie Mellon Cita<\/strong>: Los neurocient\u00edficos usan un modelo de aprendizaje profundo para simular el cerebro topography (2022, 3 de febrero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-02-neuroscientists-deep-simulate-brain-topography.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico El da\u00f1o a una parte del cerebro que procesa la informaci\u00f3n visual, la corteza inferotemporal (IT), puede ser devastador, especialmente para los adultos. Los afectados pueden perder la capacidad de leer (un trastorno conocido como alexia), o reconocer rostros (prosopagnosia) u objetos (agnosia), y actualmente no hay mucho que los m\u00e9dicos … Continuar leyendo \u00abLos neurocient\u00edficos usan un modelo de aprendizaje profundo para simular la topograf\u00eda del cerebro\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-9214","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9214","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=9214"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/9214\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=9214"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=9214"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=9214"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}