大腦功能網路動態圖譜

通過核磁共振掃描技術度量人類大腦各個區域的動態相互作用模式，並揭示其動態變化的產生機制，從而首次繪製腦功能網路的動態圖譜。

基本介紹

• 中文名：大腦功能網路動態圖譜
• 實現原理：通過核磁共振掃描技術度量人類大腦各個區域的動態相互作用模式，並揭示其動態變化的產生機制

繪製過程

記者25日從復旦大學獲悉，該校類腦智慧型科學與技術研究院院長馮建峰教授團隊的研究獲新進展。該研究發現，大腦功能網路的動態變化與人類的智慧型高度相關。據此，未來將有可能通過賦予人工智慧系統內部各部件動態相互作用的模式，使機器人真正產生人類的思維方式，這一重大成果或將對人工智慧的發展產生革命性的影響。

“我們的研究工作最初是從理解精神分裂症、抑鬱症等精神疾病的大腦動態變化機制和疾病診斷出發，卻意外地通過這一工作在解析人類智力上有驚人的發現。”馮建峰說。

近年來，馮建峰帶領的復旦大學團隊和英國華威大學團隊，一直致力於定量刻化人腦的動態變化，識別人腦不同區域之間動態相互作用的機制以及其在精神疾病中的改變。這項研究表明，人腦中與學習、記憶緊密關聯的腦區表現出高度的“可變性”。這意味著這些區域同大腦其他部分之間的連線模式變動更加頻繁。另一方面，人腦中與智力相關性小的區域，包括視覺區、聽覺區和感覺運動區，皆表現出了低“可變性”和低“適應性”。一個人的大腦“可變性”越強或越靈活，個體的智力以及其創造力也就越高。

套用範圍

人工智慧系統並不具備“可變性”和“適應性”。而這兩種人類獨特的智慧型特性，已被該研究證實對於人類大腦的學習能力至關重要。大腦網路動態圖譜的繪製，未來可套用於構造更先進的人工神經網路，使計算機具備學習、成長和自適應的能力。這一研究成果還在腦重大疾病的診療上帶來重大發現，在精神分裂症患者、自閉症患者以及多動症患者的大腦默認網路中，都可以觀察到“可變性”的狀態變異。這也意味著，大多數精神疾病的根源來自於大腦可變性或可塑性方面的改變，這一認識可使科學家們能夠更有效地治療甚至是預防精神疾病的發生。