美丽成电

分享到微信 ×
打开微信“扫一扫”
即可将网页分享至朋友圈
【美丽成电·创新之美】大脑有了“数字孪生兄弟”
文:中国科学报 来源:社会媒体 时间:2021-07-02 5578

  编者按:7月1日出版的《中国科学报》第3版头条刊登了《大脑有了“数字孪生兄弟”》的文章,深度报道了我校生命科学与技术学院神经工程与神经数据团队(中国医学科学院神经信息创新单元)在数字孪生脑研究方面的最新成果,全文如下:

中国科学报.jpg


c0e122466b47d84d8fb59e2f74b93995.jpg

数字孪生脑平台   受访者供图

d7da606c4d43e957970d82b5d944ceba.png

基于DTB的自闭症发病与调控机制研究    受访者供图


  不管你有没有孪生兄弟,现在,你的大脑可以有了。

  这个大脑的“孪生兄弟”叫作“数字孪生脑”(DTB)。就像人类大脑的“备份”或克隆体,科学家不仅可以用它整合各类生物脑研究结果,还可以揭示脑机理、启发类脑智能、解锁所有和脑有关的疾病。

  近日,电子科技大学生命科学与技术学院神经工程与神经数据团队(中国医学科学院神经信息创新单元)成功建立了数字孪生脑模型,并基于该模型开展了稳态视觉诱发电位响应机制研究。相关成果已在《神经影像》(NeuroImage)上发表。

类脑智能研究成热点

  认识人类大脑是21世纪最伟大的科学研究领域之一。

  “作为现代神经科学与类脑智能间的关键桥梁,以跨尺度脑模拟为代表的计算神经科学技术在帮助揭示脑工作机理、发展类脑智能与通用人工智能算法、开发类脑形态计算芯片等方面起着至关重要的作用。”该团队负责人、电子科技大学生命科学与技术学院教授尧德中告诉《中国科学报》。

  在利用计算神经科学技术开展脑科学研究方面,欧、美、日都在紧锣密鼓地布局谋势。

  2013年,欧盟发起为期十年的人类大脑研究计划——人类脑计划(HBP)。该计划的核心目标是通过计算机模拟大脑,建立一套完整的生成、分析、整合、模拟脑数据的通用平台。人类大脑包含约860亿个神经元,将大脑模拟到神经元水平需要测量它们自身和相互间的所有微妙特性,面对如此庞大的科学问题,计算机的处理能力仍然有限,无法在实际可行时间内执行这些计算。在HBP的大脑模拟子项目中,研究者以体素/脑区为最小单元,建立全脑动力学模拟模型——虚拟脑(TVB),该平台的主要应用是脑疾病机制研究,其典型应用场景是癫痫患者的个体化精准治疗。

  2019年,谷歌发布了果蝇大脑神经元的3D模型(神经元的三维结构重建)。该神经元模型表征了果蝇大脑神经元的几何拓扑形状。在此基础上,谷歌进一步利用大数据和脑连接组,重构了果蝇神经元间的连接组。

  “这些工作都是从脑切片的3D几何重建入手,构建神经元间的几何形状以及神经元间的直接连接形态,因此只是结构模型,尚不具备功能意义。”尧德中说,“从功能的角度讲,这些模型还不是孪生脑,但可以作为未来进一步研制DTB的结构基础。”

国内首个孪生脑平台

  近年来,“数字孪生”的概念逐步进入人们视野。

  这一概念由美国国防部提出,最初是利用数字技术,建立真实飞机模型,并通过传感器实现与飞机真实状态完全同步,这样每次飞行后,根据结构现有情况和过往载荷,及时分析评估是否需要维修,能否承受下次的任务载荷等。

  “通俗说,数字孪生是创建在信息化平台上,虚拟的‘备份’或‘克隆体’。”尧德中解释说,“数字孪生脑是基于计算神经科学理论,融合多模态神经影像数据建立的一种全脑尺度的动态脑功能的计算模拟平台。数字孪生脑基于弥散磁共振成像获取的大脑内部结构连接信息,作为确定模型内部连接的基础,再利用磁共振功能成像和脑电磁成像获得的功能信息,对模型参数进行优化。由此得到的模型,将同时在结构和功能上类脑,因此可称之为数字孪生脑模型。”

  基于计算神经科学理论,研究人员通过融合多模态神经成像数据,引入并优化国际先进的“结构—功能”迭代优化理论,建立了国内首个数字孪生脑计算平台,并在功能图谱层次实现了对大尺度脑动态的精准模拟。

  “该平台在建立时,引入了基于大脑功能数据的反演优化算法,因此仿真精准度更高。”电子科技大学生命科学与技术学院教授郭大庆对《中国科学报》说,“这一优势使得DTB平台的应用领域更加广泛。除了在脑疾病上的应用以外,数字孪生脑平台还将致力于结合实验范式探究脑功能与脑认知,因此将在认知神经科学、类脑智能、脑机接口等领域有更广阔的应用前景。”

让人工智能迈上新台阶

  “与欧盟的虚拟脑相比,数字孪生脑模型更全面地利用了多模态神经成像数据,并采用‘功能—结构’互约束迭代优化的参数优化方法,在神经活动、血氧信号等多个模态上,实现了对高维‘时—空’脑动态信息交互与脑功能图谱的更精准模拟。”郭大庆说。

  目前,DTB作为国内第一家数字孪生脑模型平台,已经历了两个版本的迭代。

  “数字孪生脑模型平台支持的脑区规模和模拟精度均已处于国际领先行列。”该论文第一作者张鬲博士说,“同时,在脑动态模型构建过程中,DTB可支持多种动力学模型选择,具备整合皮层下重要核团的能力,并基于并行加速实现了对模型的高效仿真和数据的实时展示。”

  研究认为,大脑是由不同功能子区域交互构成的复杂动力学系统,而脑功能是由分布于多脑区的神经网络实现的。

  尧德中介绍说,通过数字孪生脑可以帮助人们揭示大脑的基本工作原理,因此它是连接神经生物学实验(微观)与心理认知行为观测(宏观)之间的桥梁,在类脑智能、脑机接口等研究中将发挥越来越重要的作用。此外,由于DTB具备整合皮层下重要核团和结构的能力,因此“其在脑疾病的调控中比欧盟的虚拟脑更具优势”。

  “DTB是生物脑的‘数字兄弟’,可与脑机接口建立合作关系。”郭大庆解释说,“脑机接口是建立生物脑和计算设备之间的信息通道,实现生物脑与设备之间的信息交换,其效果取决于对生物脑信号的解码和反馈信息的编码,其中生物脑是作为一个黑箱参与其中的,这极大的限制了脑机接口的发展。”

  借助DTB,人们可以更深刻的去探讨脑机接口的编解码过程,阐明现行各种脑机接口的机制并探索发现新的范式。事实上,尧德中团队正着力应用数字孪生脑技术开展虚拟脑机接口相关机制研究。近期,他们利用数字孪生脑模型,研究了稳态视觉诱发电位(SSVEP)响应机制,证实了α波段(8-12Hz)刺激能激发更强的SSVEP响应,并揭示了这种频率敏感特性是由非线性夹带和共振引起的,而且可以被大脑的内源性因素调节,这些工作加深了人们对SSVEP脑机接口中的大脑工作机制的认识,为进一步优化SSVEP脑机接口,开发其应用提供了重要的理论支撑。

  “理论上,在脑系统层面建立高精度数字孪生脑模型,不仅可以整合各类生物脑研究结果,还可把解剖式生物学研究的断面脑变成生动的动态脑和工作脑,因此可能是揭示脑机理、启发类脑智能、解锁脑疾病的绝佳途径。”尧德中教授说,“该领域还有很大的发展空间,希望国内更多的优秀团队加入数字孪生脑的建立及应用中,发展具有中国特色世界领先的全脑尺度计算模型。相信未来的数字孪生脑可以通过模仿人类神经系统的工作原理,成为一定意义上的通用智能系统,让人工智能迈上新的台阶,更加像人脑一样去思考、决策。”


  相关论文信息:https://doi.org/10.1016/j.neuroimage.2021.118166


编辑:林坤  / 审核:林坤  / 发布:陈伟

"