研究人员创建了OpenfMRI项目以实现思维的数据密集型分析

导读么样的?激发我们大脑的神经元如何产生导致行动的思想和情感?脑部行为的基本构成要素是我们思维复杂性的基础吗?这些是拉塞尔·波德拉克(

么样的?激发我们大脑的神经元如何产生导致行动的思想和情感?脑部行为的基本构成要素是我们思维复杂性的基础吗?这些是拉塞尔·波德拉克(Rusll Poldrack)在实验和计算研究中试图回答的问题。Poldrack的研究是德克萨斯大学奥斯汀分校的神经科学教授，它将心理学，神经科学和计算机科学联系起来，以了解大脑如何创建认知功能。Poldrack最近在 PLOS Computational Biology， Nature Methods 和 Neuron中发表的论文 指出，使用功能磁共振成像或fMRI和超级计算机来理解这些现象的能力越来越强。

fMRI机器根据大脑中的血氧水平绘制神经元活动图。当神经元活跃时，大脑会发送额外的含氧血液，该血液具有独特的磁性特征。通过在大脑的不同位置记录这些签名，神经科学家可以以惊人的特异性连接并查明各种功能-以及潜在的功能障碍。

“研究人员对后来被称为大脑阅读或解码的东西非常感兴趣，”波尔德拉克说。“我可以看着你的大脑，并告诉你你在想什么吗?在很多情况下，答案是肯定的。”

心灵感应时代即将来临。现在，大脑研究人员只需使用大脑的fMRI扫描就可以识别出您正在寻找的内容。但是，行动，动机和感受仍然难以确定。Poldrack和他的实验室研究了这些更微妙，更复杂的行为。

当Poldrack四年前从加利福尼亚大学洛杉矶分校来到德克萨斯大学时，他对各种活动进行了数十次脑部研究，但是他无法将这些研究与其他研究人员的工作共享，比较或联系起来。

Poldrack说：“我们必须找到一种共享这些数据的方法，以便其他人可以使用它并对其进行有用的处理。” “问题在于，当我们开始时，没有一种描述实验的标准方法，以便其他人可以接受并使用它。我们必须提出这个框架。”

而且，前处理和后处理任务既费力又需要计算，这限制了科学研究人员可以完成的工作量。

为了解决这些问题，Poldrack和他的合作者创建了 OpenfMRI，这是一种基于W新的起点eb的，由超级计算机提供动力的工作流程，使研究人员可以更轻松地处理，共享，比较和快速分析来自许多不同研究的脑部扫描。目前，该项目有18个数据集，其中包含来自近350个人类受试者的数据。数据主要来自四个主要合作伙伴-斯坦福大学，哈佛大学，科罗拉多大学和华盛顿大学-除了波德拉克的实验室外，尽管到目前为止已有七个机构做出了贡献。它由科学基金会(National Science Foundation)资助，代表着世界上最大的原始fMRI数据收集之一。尽管它远小于Poldrack认为对大脑的神经学理解进行巨大飞跃所需的能量，但这种方法的潜力不可否认。

斯坦福大学心理学和神经科学教授安东尼·瓦格纳(Anthony Wagner)说：“大规模数据共享的努力有南京人口管理干部学院望使研究人员能够解决典型的独立功能磁共振成像研究难以回答的问题。” “ OpenfMRI数据库以及相关的数据共享工作将使大型样本研究具有必要的能力，以了解与基本神经科学问题和疾病相关的个体差异。”

Poldrack开发的管道允许用户使用 德克萨斯州高级计算中心(TACC)上功能强大的Lonestar超级计算机自动处理，可视化和分析原始fMRI数据 -最近，使用TACC的 Stampede 系统，这是功能最强大的十大系统之一世界上的超级计算机。

当进行fMRI扫描时，它们包含许多必须清除的嘈杂信息。在Poldrack的自动化工作流程中，超级计算机首先确定fMRI图像的哪些部分代表大脑组织。接下来，它基于结构图像以计算方式重建大脑的3D表面，并将来自fMRI扫描的数据投影到该表面上。最后，它需要每个受试者的大脑并使其弯曲以对应于平均大脑，因此研究人员或医生可以在一组人中询问在特定活动中哪些区域正在开启。

这些步骤中的每一个都需要大规模的计算能力，但是使用Lonestar可以快速且实际上只需按一下按钮即可完成这些步骤。

Poldrack说：“我们为功能磁共振成像而建立并向社区提供的管道有助于提高吞吐量。” “您可以在更短的时间内尝试许多不同的模型。”

应用超级计算还可以使研究人员尝试更大的研究，测试更多的假设，并适应不断增长的大脑扫描的空间和时间分辨率。Poldrack认为，最终目标是收集足够的青春电视剧大脑数据，以形成对脑功能的自下而上的观点，而这种观点与较早的心理功能或疾病概念无关。

“我们想了解心理功能的基本组成部分是什么，”波尔德拉克说。“通常，当人们尝试回答这些问题时，他们会通过实验检验小的假设来进行实验。在我们的实验室中，我们尝试从另一个方向进行研究，以尽可能广泛地研究跨不同认知功能的大脑活动，然后询问如何将其分解为一组基本的构建模块，从而获有喜感得共同为您提供所有这些不同的活动。”

尽管仍处于初始阶段，但Poldrack早有迹象表明该方法可行。在最近正在审查的最新论文中，Poldrack和他的团队表明，通过结合OpenfMRI数据库中的研究，他们能够基于大脑图像扫描的相似性来构建“思想树”。这棵树显示出哪些心理过程之间的关系最为密切，并符合常识性的期望。

“在人们做相同事情的数据集中，大脑活动模式确实非常相似，”波尔德拉克说。“这不是完美的，但它使我们开始研究与其他任务相人物分析似或不同的任务类型，并提出有关大脑正在使用的大规模构建基块的问题。”

根据Wagner的说法，跨研究汇总数据为提取潜在的认知变量和支持这些认知能力的神经过程的基础模型提供了机会。他说：“但是，这样做将需要对相当大的数据集进行分析，并且通常将依赖于数据挖掘技术来提取基本变量。” “因此，他们将从超级计算资源中受益匪浅。”

在 2012年10月发表在《PLOS计算生物学》上的一项研究中 ，Poldrack使用了另一种方法。他与来自NASA，德克萨斯大学和科罗拉多大学博尔德分校的研究人员合作，对5800篇与fMRI研究相关的期刊文章进行了数据挖掘，以识别在论文同出现的单词集，他将这些单词称为 主题。

然后，他们创建了一张大脑图，该图显示了与某个主题有关的打开或关闭的区域。该过程有效地捕获了与视觉有关的活动，并且可以应用于“困难”之类的其他标准。Poldrack相信，强大的原始fMRI数据集的开发将对精神病和神经疾病的研究产生明确的影响。

Poldrack解释说：“现在，这些是功能磁共振成像数据集中的健康受试者。” “在建立了一个健康的成人大脑功能的真实数据库之后，您就可以开始询问在特定疾病中情况如何不同。”

在精神病学中，先锋队正在摆脱离散诊断的想法。包括Poldrack在内的许多人都认为，功能具有一系列潜在的维度，而被诊断为精神分裂症的人就是其中一个或多个维度的终结者。

“如果您想了解这些疾病的根源，就必须了解构建基块，因为它们将分解并驱动您感兴趣的疾病，” Poldrack说。“我们有兴趣弄清楚如何从数据中提取这些维度。”