هوش مصنوعی حرکات چشم را پیش بینی می کند

حجم زیادی از اطلاعات به طور مداوم از طریق چشم ها به مغز ما سرازیر می شود. دانشمندان می توانند با استفاده از تصویربرداری تشدید مغناطیسی (MRI) فعالیت مغز حاصل را اندازه گیری کنند. اندازه‌گیری دقیق حرکات چشم در طول اسکن MRI می‌تواند اطلاعات زیادی در مورد افکار، خاطرات و اهداف فعلی ما و همچنین در مورد بیماری‌های مغز به دانشمندان بگوید. محققان موسسه ماکس پلانک برای علوم شناختی و مغز انسان (MPI CBS) در لایپزیگ و موسسه Kavli برای علوم اعصاب سیستمی در تروندهایم اکنون نرم افزاری را توسعه داده اند که از هوش مصنوعی برای پیش بینی مستقیم موقعیت چشم و حرکات چشم از تصاویر MRI استفاده می کند. این روش تحقیقات و امکانات تشخیصی سریع و مقرون به صرفه ای را برای مثال در بیماری های عصبی که اغلب به صورت تغییر در الگوهای حرکتی چشم ظاهر می شوند، باز می کند.

برای ثبت حرکات چشم، مؤسسات تحقیقاتی معمولاً از یک به اصطلاح ردیاب چشم استفاده می‌کنند – یک فناوری حسگر که در آن نور مادون قرمز بر روی شبکیه چشم پخش می‌شود، منعکس می‌شود و در نهایت اندازه‌گیری می‌شود. از آنجایی که MRI میدان مغناطیسی بسیار قوی دارد، نمی‌توانید از دوربین‌های استاندارد در آن استفاده کنید. شما به تجهیزات ویژه سازگار با MRI نیاز دارید که اغلب به دلیل هزینه‌های بالا و استفاده طولانی مدت برای کلینیک‌ها و آزمایشگاه‌های کوچک امکان‌پذیر نیست. ماتیاس ناو، نویسنده این مطالعه، که جایگزین جدید را همراه با مارکوس فری و کریستین دولر ایجاد کرد، می گوید. هزینه بالای این دوربین ها و تلاش های آزمایشی در استفاده از آنها تا کنون مانع از استفاده گسترده از ردیابی چشم در معاینات MRI شده است. اکنون می تواند تغییر کند. دانشمندان لایپزیگ و تروندهایم اخیراً نرم افزار رایگان و با کاربرد آسان خود “DeepMReye” را در مجله ارائه کردند. علوم اعصاب طبیعت.

با آن، اکنون می توان رفتار تماشای شرکت کنندگان را حتی بدون دوربین در طول اسکن MRI ردیابی کرد. “شبکه عصبی که ما استفاده می کنیم الگوهای خاصی را در سیگنال MRI از چشم ها تشخیص می دهد. این به ما امکان می دهد پیش بینی کنیم که شخص به کجا نگاه می کند. هوش مصنوعی در اینجا کمک زیادی می کند، زیرا ما اغلب نمی دانیم که دقیقاً کدام الگوها را به عنوان دانشمندان جستجو کنیم. “مارکوس فری توضیح می دهد. او و همکارانش شبکه عصبی را با داده های خود و در دسترس عموم از شرکت کنندگان در مطالعه به گونه ای آموزش داده اند که اکنون می تواند ردیابی چشم را حتی در داده هایی که نرم افزار روی آنها آموزش ندیده است، انجام دهد. این فرصت های زیادی را باز می کند. به عنوان مثال، اکنون می توان رفتار نگاه شرکت کنندگان و بیماران را حتی در داده های MRI موجود، که در ابتدا بدون ردیابی چشم به دست آمده بود، مطالعه کرد. به این ترتیب، دانشمندان می توانند از مطالعات و مجموعه داده های قدیمی تر برای پاسخ به سؤالات کاملاً جدید استفاده کنند.

علاوه بر این، این نرم افزار همچنین می تواند زمان باز یا بسته بودن چشم ها را پیش بینی کند و حرکات چشم را حتی زمانی که چشم ها بسته می مانند، ردیابی می کند. این ممکن است امکان ردیابی چشم را حتی زمانی که شرکت کنندگان در مطالعه خواب هستند، انجام دهد. ماتیاس ناو می‌گوید: «می‌توانم تصور کنم که این نرم‌افزار در زمینه بالینی نیز استفاده شود، به عنوان مثال، در آزمایشگاه خواب برای مطالعه حرکات چشم در مراحل مختلف خواب». علاوه بر این، برای بیماران نابینا، دوربین‌های سنتی ردیابی چشم به ندرت استفاده می‌شوند، زیرا کالیبراسیون دقیق بسیار دشوار بود. در اینجا نیز می‌توان با استفاده از DeepMReye مطالعات را آسان‌تر انجام داد، زیرا هوش مصنوعی را می‌توان با کمک افراد سالم کالیبره کرد و سپس در معاینه بیماران نابینا استفاده کرد. بنابراین، این نرم افزار می تواند کاربردهای متنوعی را در زمینه های تحقیقاتی و بالینی فعال کند، شاید حتی منجر به تبدیل شدن ردیابی چشم در نهایت به استانداردی در مطالعات MRI و عمل بالینی روزمره شود.

نرم افزار DeepMReye یک برنامه متن باز است و می توانید آن را از GitHub دانلود کنید.