Des chercheurs utilisent des GPU pour évaluer la connectivité du cerveau humain

Utiliser des GPU pour découvrir la connectivité du cerveau humain

L’image montre le faisceau longitudinal supérieur (SLF), un tractus de substance blanche qui relie le cortex préfrontal et pariétal, deux régions cérébrales liées à l’attention. Le tractus a été estimé par IRM de diffusion et tractographie dans le cerveau humain vivant. Crédit : Varsha Sreenivasan et Devarajan Sridharan

Un nouvel algorithme d’apprentissage automatique basé sur GPU développé par des chercheurs de l’Indian Institute of Science (IISc) peut aider les scientifiques à mieux comprendre et prédire la connectivité entre différentes régions du cerveau.

L’algorithme, appelé Regularized, Accelerated, Linear Fascicle Evaluation, ou ReAl-LiFE, peut analyser rapidement les énormes quantités de données générées par les scans d’imagerie par résonance magnétique de diffusion (dMRI) du cerveau humain. À l’aide de ReAL-LiFE, l’équipe a pu évaluer les données dMRI plus de 150 fois plus rapidement que les algorithmes de pointe existants.

“Les tâches qui prenaient auparavant des heures ou des jours peuvent être accomplies en quelques secondes à quelques minutes”, déclare Devarajan Sridharan, professeur agrégé au Center for Neuroscience (CNS), IISc, et auteur correspondant de l’étude publiée dans la revue Science computationnelle de la nature.

Des millions de neurones s’activent dans le cerveau chaque seconde, générant des impulsions électriques qui traversent les réseaux neuronaux d’un point du cerveau à un autre via des câbles de connexion ou «axones». Ces connexions sont essentielles pour les calculs effectués par le cerveau. “Comprendre la connectivité cérébrale est essentiel pour découvrir les relations cerveau-comportement à grande échelle”, déclare Varsha Sreenivasan, Ph.D. étudiant au CNS et premier auteur de l’étude. Cependant, les approches conventionnelles pour étudier la connectivité cérébrale utilisent généralement des modèles animaux et sont invasives. D’autre part, les analyses dMRI fournissent une méthode non invasive pour étudier la connectivité cérébrale chez l’homme.

Les câbles (axones) qui relient différentes zones du cerveau sont ses autoroutes de l’information. Parce que les faisceaux d’axones ont la forme de tubes, les molécules d’eau se déplacent à travers eux, sur leur longueur, de manière dirigée. L’IRMd permet aux scientifiques de suivre ce mouvement afin de créer une carte complète du réseau de fibres à travers le cerveau, appelée connectome.

Utiliser des GPU pour découvrir la connectivité du cerveau humain

L’image montre les connexions entre le mésencéphale et diverses régions du néocortex. Les connexions à chaque région sont représentées dans une couleur différente et ont toutes été estimées par IRM de diffusion et tractographie dans le cerveau humain vivant. Crédit : Varsha Sreenivasan et Devarajan Sridharan

Malheureusement, il n’est pas simple d’identifier ces connectomes. Les données obtenues à partir des scans ne fournissent que le flux net de molécules d’eau à chaque point du cerveau. “Imaginez que les molécules d’eau sont des voitures. Les informations obtenues sont la direction et la vitesse des véhicules à chaque point de l’espace et du temps sans aucune information sur les routes. Notre tâche est similaire à la déduction des réseaux de routes en observant ces modèles de trafic, ” explique Sridharan.

Pour identifier ces réseaux avec précision, les algorithmes conventionnels correspondent étroitement au signal dMRI prédit du connectome déduit avec le signal dMRI observé. Les scientifiques avaient précédemment développé un algorithme appelé LiFE (Linear Fascicle Evaluation) pour effectuer cette optimisation, mais l’un de ses défis était qu’il fonctionnait sur des unités centrales de traitement (CPU) traditionnelles, ce qui rendait le calcul fastidieux.

Dans la nouvelle étude, l’équipe de Sridharan a peaufiné son algorithme pour réduire l’effort de calcul impliqué de plusieurs manières, notamment en supprimant les connexions redondantes, améliorant ainsi considérablement les performances de LiFE. Pour accélérer davantage l’algorithme, l’équipe l’a également repensé pour qu’il fonctionne sur des puces électroniques spécialisées – du type des ordinateurs de jeu haut de gamme – appelées unités de traitement graphique (GPU), qui les ont aidés à analyser les données à des vitesses 100 à 150 fois plus rapides que approches précédentes.

Cet algorithme amélioré, ReAl-LiFE, était également capable de prédire comment un sujet de test humain se comporterait ou effectuerait une tâche spécifique. En d’autres termes, en utilisant les forces de connexion estimées par l’algorithme pour chaque individu, l’équipe a pu expliquer les variations des scores aux tests comportementaux et cognitifs dans un groupe de 200 participants.

Une telle analyse peut également avoir des applications médicales. “Le traitement des données à grande échelle devient de plus en plus nécessaire pour les applications de neurosciences de mégadonnées, en particulier pour comprendre la fonction cérébrale saine et la pathologie cérébrale”, déclare Sreenivasan.

Par exemple, en utilisant les connectomes obtenus, l’équipe espère être en mesure d’identifier les premiers signes de vieillissement ou de détérioration des fonctions cérébrales avant qu’ils ne se manifestent comportementalement chez les patients atteints de la maladie d’Alzheimer. “Dans une autre étude, nous avons découvert qu’une version précédente de ReAL-LiFE pouvait faire mieux que d’autres algorithmes concurrents pour distinguer les patients atteints de la maladie d’Alzheimer des témoins sains”, explique Sridharan. Il ajoute que leur implémentation basée sur GPU est très générale et peut également être utilisée pour résoudre des problèmes d’optimisation dans de nombreux autres domaines.


Notre cerveau a aussi une “empreinte digitale”


Plus d’information:
Varsha Sreenivasan et al, Découverte de connectome accélérée par GPU à grande échelle, Science computationnelle de la nature (2022). DOI : 10.1038/s43588-022-00250-z

Fourni par l’Institut indien des sciences

Citation: Des chercheurs utilisent des GPU pour évaluer la connectivité du cerveau humain (27 juin 2022) récupéré le 27 juin 2022 sur https://techxplore.com/news/2022-06-gpus-human-brain.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.