Главная страница > Новости > Обзор новостей нейротехнологий 15.12.17 - 25.12.17

Обзор новостей нейротехнологий 15.12.17 - 25.12.17

25 декабря 2017

Стимуляция области эмоций усиливает память

“Direct electrical stimulation of the amygdala enhances declarative memory in humans” | PNAS | doi: 10.1073/pnas.1714058114

   нейромодуляция

Неврологи из Университета Эмори показали, что кратковременная электрическая стимуляция миндалевидного тела -- области мозга, играющей ключевую роль в формировании эмоций -- усиливает декларативную память. После стимуляции люди лучше запоминали изображения, причем картинки были нейтральные, не требующие эмоционального отклика. Это значит, что миндалевидное тело не только опосредует эмоции в процессах запоминания, но и способно регулировать память.

Показана область миндалевидного тела и точки стимуляции у разных пациентов. Ниже примеры картинок и длительность их предъявления и стимуляции.

Множество экспериментов говорят о том, что памятью заведует гиппокамп, а также некоторые области коры головного мозга. Но эмоционально связанные события запоминаются лучше, и ученые считают, что здесь свой вклад вносит миндалевидное тело. Эта структура в форме миндалины включается во время эмоционального опыта и взаимодействует с системами памяти, тем самым усиливая запоминание.

Авторы проверили гипотезу о том, что активация миндалевидного тела может повысить консолидацию памяти нейтральных стимулов, не связанных с эмоциями. В исследовании участвовали 14 пациентов с имплантированными в мозг электродами для мониторинга эпилептической активности. Они отсматривали 160 нейтральных изображений, в половине случаев сразу после предъявления картинки в область миндалевидного тела посылался короткий импульс слабого тока.

В тот день память участников не изменилась, зато на следующий они заметно лучше помнили именно те картинки, которые сопровождались стимуляцией. Некоторые испытуемые из-за эпилепсии отличались слабой памятью -- и как раз у них эффект стимуляции был сильно выражен. Один пациент забыл все контрольные изображения, но помнил те, за которыми следовал импульс. Опыт показывает, что миндалевидное тело может активировать память путем усиления тета и гамма ритмов в гиппокампе и периринальной коре, открывая путь к будущим методам лечения.

Микродатчик для измерения внутриглазного давления

“A microscale optical implant for continuous in vivo monitoring of intraocular pressure” | Microsystems & Nanoengineering | doi:10.1038/micronano.2017.57

   импланты

Инженеры из Калифорнийского университета и Калифорнийского технологического института разработали оптический имплант для непрерывного мониторинга внутриглазного давления (ВГД). Сенсор сделан из кремниевого кольца с деформируемой мембраной из нитрида кремния, его данные легко считывает дистанционный детектор. Это позволяет отслеживать ВГД постоянно, в бытовых условиях, без участия пациента или врача, что упрощает диагностику и лечение.

Внутриглазное давление считают важным параметром при оценке риска слепоты, но его измеряют в клинике, используя специальные тонометры. Чтобы следить за прогрессированием заболевания и персонализировать терапию, нужно измерять ВГД не несколько раз в год, а мониторить его постоянно, когда человек живет у себя дома. Ранее для мониторинга внутрисосудистого и внутричерепного давления, а также ВГД, были созданы импланты, основанные на радиочастотной технологии. Но их размер, от 0,5 до 1 см, слишком велик для использования рядом с глазами.

Авторы разработали имплантируемый оптический сенсор диаметром меньше миллиметра. Это герметично закрытый полый диск, он служит чувствительной к давлению полостью оптического резонанса. Его вводят в радужную оболочку и направляют на него луч ближнего инфракрасного света (NIR). Глазом свет не воспринимается, зато сенсор отражает его по-разному в зависимости от давления. Сенсор делает замеры десять раз в секунду и связывается со считывающим устройством, расположенным в нескольких сантиметрах. У такой системы высокая точность измерений.

Сенсор состоит из верхней половины, которая представляет собой кольцо с деформируемой мембраной из нитрида кремния и нижней частью, которая содержит твердую отражающую поверхность из кремния и служит зеркалом.

Авторы протестировали технологию, отслеживая с помощью сенсора кратковременные повышения ВГД сначала у анестезированных кроликов в течение часа. Затем они четыре с половиной месяца мониторили ВГД у живых подвижных кроликов. Данные были перепроверены с помощью одновременного использования обычного прибора для измерения внутриглазного давления.

Резервуар из мемристоров

“Reservoir computing using dynamic memristors for temporal information processing” | Nature Communications | doi:10.1038/s41467-017-02337-y

  обучение нейросетей

Инженеры и информатики из Мичиганского университета объединили две IT технологии -- они создали нейросеть из мемристоров для резервуарных вычислений. Эксперимент показал, что даже небольшой резервуар из 88 мемристоров может быть использован в задачах практического уровня сложности. Новая нейросеть справилась с распознаванием рукописных цифр, показав результат, сопоставимый с достижениями гораздо более крупных сетей.

Резервуарные вычисления предполагают, что слои входа и выхода отделены динамическим резервуаром нелинейных нейронов, которые соединены случайным образом. Такие “внутренние” слои сети не тренируются; фактически эта вычислительная часть ведет себя как жидкость, не имея фиксированных дискретных состояний, и обрабатывает непрерывный сигнал в реальном времени. Поскольку резервуар не настроен под конкретную задачу, к нему можно одновременно подключить несколько слоев -- тогда он будет участвовать в решении разных задач.

Схема показывает внешние слои, резервуар с внутренней динамикой и функцией считывания. Необходимо подготовить только весовую матрицу Θ, соединяющую состояние резервуара x (t) и выход y (t).

С другой стороны, мемристоры отличаются тем, что способны изменять свое сопротивление в зависимости от протекавшего через них заряда. То есть это элементы с памятью: хранение и обработку информации осуществляет одно и то же физическое устройство. Авторы показали, что нейросеть с резервуаром из мемристоров позволяет получить результат вычислений проще и быстрее за счет того, что обучение идет только на внешних слоях.

Они считают, что такие сети будут иметь серьезное преимущество в задачах по распознаванию речи и в предсказательном анализе. Резервуарные вычислительные системы особенно полезны при обработке данных, которые изменяются со временем. Также этот подход будет привлекательным для приложений, которые не требуют быстрой скорости обработки, но имеют серьезные ограничения на размер памяти и вычислительную мощность.

Как обмануть систему распознавания с глубоким обучением

“Query-Efficient Black-box Adversarial Examples” | arXiv:1712.07113v1

    обучение нейросетей

Исследовательская группа LabSix из Массачусетского технологического института представила новый способ обмана алгоритмов компьютерного зрения. Авторы работы отмечают, что любой сервис распознавания, который опирается на глубокое обучение, будет уязвим для их подхода. В качестве теста они показали, как быстро найти слабое место в системе Google Cloud Vision и заставить ее неверно классифицировать изображения.

Программа, обученная на массиве картинок, представляет для взломщика “черный ящик” -- он не знает, на каких наборах данных училась программа и какие признаки она считает ключевыми для распознавания. Затратный и грубый способ это узнать -- менять отдельные пиксели в картинке, скармливать ее программе смотреть на ответы. И по серии ответов попытаться угадать, по каким шаблонам работает данная нейросеть.

Информатики из LabSix адаптировали метод «естественных эволюционных стратегий», который впервые был предложен исследователями из Швейцарии и Германии. Для атаки на Google Cloud Vision они генерировали изображения, где случайно были изменены крупные группы пикселей. Далее по выдаче классификатора математически удалось восстановить вклад каждого отдельного пикселя. И для этого потребовалось создать на порядки меньше изображений, чем пришлось бы генерировать обычными методами.

После легкой коррекции контраста в некоторых частях изображения сервис Google Cloud Vision узнает в лыжниках собаку на снегу.

Как только “черный ящик” был взломан, авторы смогли создать изображения, которые вводили систему в заблуждение, причем в заданном авторами направлении. Так, они синтезировали картинку с парой лыжников в горах, которую система атрибутировала как “собака” с вероятностью 91%. Новый метод делает атаки возможными там, где они раньше были затратными. Это может стать серьезной проблемой, учитывая все большее распространение систем распознавания, включая машинное зрение в автомобилях.