军队发展神经科学大数据方法

大数据的方法神经科学承诺显著提高我们理解大脑活动和性能之间的关系。

到目前为止,已经有尝试使用相对较少大数据方法在脑科学的新兴领域。在这一领域,很少尝试荟萃分析(分析跨多个研究)将只从单个研究结果而不是原始数据。一项新的研究是第一个将数据在不同类型的实验确定的模式大脑的活动在常见任务和人。

军队是特别感兴趣的士兵的认知状态如何影响他们的表现在一个任务。如果你能理解大脑,甚至可以预测和提高认知能力。

研究人员从美国陆军作战能力开发命令陆军研究实验室与德克萨斯大学圣安东尼奥和Intheon实验室开发的首开先河的mega-analysis脑成像数据脑电图,或脑电图。

在系列文章,他们总17个人研究的原始数据,收集在六个不同的地方,到一个分析框架,他们的研究结果发表在杂志上的两篇论文科学杂志。个人研究纳入分析包含一组不同的模拟驾驶和视觉搜索任务。

“绝大多数的人类神经科学研究使用一个非常小的数量的参与者在非常具体的任务,”乔纳森Touryan博士说,科学家和论文的合著者。“这限制如何从任何单一的研究结果可以推广到更广泛的人口和更大范围的活动。”

Mega-analysis脑电图是极大的挑战,因为许多类型的硬件系统(属性和电极的配置),任务的多样性,不同的数据集是注释,以及内个人和个人之间的内在变化随着时间的推移,Touryan说。

这些差异的来源很难找到强大的大脑和行为之间的关系。Mega-analysis试图解决这个问题通过聚合大型异构数据集来确定链接神经活动的通用功能,认知状态和任务的性能。

下一代成员需要彻底了解这种关系,以减轻财政赤字或增加操作员的性能。最终,这些成员将使自治系统能够更好地理解士兵和促进通信在多域操作,他说。

结合原始数据收集的研究中,研究人员开发了分层事件描述符(HED标签)——一种新的标签本体,抓住实验活动中遇到的各种不同的数据集。这个HED标签系统最近采用了国际标准的脑成像数据结构,最常见的一种格式整理和分析大脑数据,Touryan说。

研究小组还开发了一个完全自动化的处理管道进行大规模分析的高维时间序列data-amounting超过1000录音。

这些数据收集在过去的10年中通过美国陆军认知和Neuroergonomics协作技术联盟和现在可以在网上存储库为科学界。美国陆军继续使用这些数据来开发human-autonomy自适应系统的下一代战斗车辆和士兵杀伤力跨职能团队。