Minji高丽大学校庆_Nature：科学家首次利用深度学习量化人类意识

今天给各位分享Minji高丽大学校庆_Nature：科学家首次利用深度学习量化人类意识，其中也会对大家所疑惑的内容进行解释，如果能解决您现在面临的问题，别忘了关注多特软件站哦，现在开始吧！

Nature：科学家首次利用深度学习量化人类意识

一项跨国合作的脑科学研究，涉及韩国、比利时等多个国家，揭示了深度学习可用于量化意识状态。针对睡眠、麻醉和脑损伤等多种情境下的意识水平，研究者积累了丰富的实验数据。近期，一篇名为《利用可解释的深度学习量化不同状态下的唤醒和意识》的论文在2022年2月25日发表于《自然通讯》杂志。

该研究项目由韩国高丽大学的Minji Lee主导，并得到欧盟资助的HBP SGA3和DoCMA项目的支持。研究团队创新性地构建了一个可解释的意识指标(ECI)，此指标有助于科学家深入剖析意识的不同构成要素。

意识状态被划分为两个维度：一个是“唤醒度”（Arousal），代表个体的清醒程度；另一个是“意识觉知”（Awareness），反映人的认知功能。通常情况下，睁眼并能遵照指令行事的人，既表现出清醒状态也体现出认知能力。

然而，在多种特定条件下，如无梦睡眠、有梦睡眠、麻醉状态及严重脑损伤，人们的意识水平呈现出不同程度的变化。该研究利用这三种条件下的实验数据——分别是6个无梦睡眠样本、16个麻醉状态样本和34个严重脑损伤样本，首次实现了对意识的量化评估。

尽管实验结果颇具可靠性，但论文共同作者、比利时列日大学昏迷研究小组主任Olivia Gosseries强调，要在临床实践中推广这一新工具并开发实时在线应用，还需进一步的研究工作。

ECI意识指标的研究框架如下：

首先，将原始脑电信号转化为三维时空矩阵。接着，转换后的三维特征被送入卷积神经网络，用于分析两种意识成分——清醒状态和认知能力。在每一意识状态中，脑电图数据被训练成高低两类。随后，通过对各类之间的概率均值进行计算，得出每一段记录中的ECI值。最后，通过层次关联传播(LRP)技术，研究者可以验证模型已学习到哪些脑部信号及其为何作出相应决策。

研究表明，ECI意识指标借助深度学习技术能有效区分清醒状态和认知能力。研究团队认为，这种新型工具是一种客观且可靠的意识评估方法，有望改善不同环境下的患者临床护理标准，如监测手术中的麻醉状态，以及诊断昏迷或植物人状态。

通过ECI指标，研究者解析了涵盖生理、药理和病理三大类别下的八种意识状态：

生理状态下，第1类是正常清醒状态，表现为高唤醒度和高认知能力；第2类是REM睡眠，表现为低唤醒度和高认知能力；第3类是非REM睡眠，表现为低唤醒度和低认知能力。

药理状态下，第4类是氯胺酮麻醉，表现为低唤醒度和高认知能力；第5类是异丙酚或氙气诱导的麻醉，表现为低唤醒度和低认知能力。

病理状态下，第6类是微意识状态(MCS)，表现为高唤醒度和高认知能力；第7类是无行为能力的微意识状态(MCS*)，同样表现为高唤醒度和高认知能力；第8类是无反应性觉醒综合征状态(UWS)，表现为高唤醒度和低认知能力。

研究还发现，大脑顶叶区域与个体的唤醒度和认知能力的评价最为密切相关。而HBP SGA3作为人脑研究计划的最后一环，其研究成果将进一步推动数字神经科学和脑科学领域的发展。此次合作研究也充分展现了EBRAINS共享数据平台在处理大规模人类神经图像集合方面的高效性。

有关Minji高丽大学校庆_Nature：科学家首次利用深度学习量化人类意识的内容就介绍到这里了，如果还想更多这方面的信息的小伙伴，记得收藏关注多特软件站！

了解更多消息请关注收藏我们的网站(news.y866.cn)。