(资料图片仅供参考)

从橄榄球场到战场，近年来对创伤性脑损伤的研究呈爆炸式增长。理解脑损伤的关键是能够模拟压缩、拉伸和扭曲脑组织的机械力，从而造成从短暂到致命的损伤。

斯坦福大学的研究人员现在表示，他们已经利用人工智能生成了一个更准确的模型，说明变形如何转化为大脑中的压力，并相信他们的方法可以更明确地了解脑震荡有时会导致持久性脑损伤的时间和原因，而其他时候则不然。

“迄今为止大脑建模的问题在于大脑不是同质组织 - 大脑的每个部分都不相同。然而，创伤往往无处不在，”机械工程教授，Living 主任 Ellen Kuhl 说。 Matter Lab，以及发表在Acta Biomaterialia杂志上的一项新研究的高级作者。“大脑也非常柔软，很像果冻，这使得对大脑的物理影响的测试和建模都非常具有挑战性。”

去图书馆

想要研究脑外伤的研究人员被迫从包含数十种材料模型的库中进行选择，其中一些模型可以追溯到近一个世纪以前，以帮助计算大脑的压力。

几十年来，科学家们为软材料开发了这些模型，这些模型的名称令人费解，例如“塑料和橡胶的新胡克模型”、“软组织的 Demiray 模型”和“类橡胶固体的 Ogden 模型”。但是适用于某种类型的应力(拉伸、压缩或剪切)的模型可能不适用于另一种。同样，可能适用于大脑一个区域的模型可能不适用于另一个区域。

新方法采用模型对模型的策略，使用人工智能从 4,000 多种可能性中发现哪个模型最能解释大脑的行为。过去，选择最佳模型是一个随意的过程，很大程度上取决于用户体验和个人喜好。

“我们通过允许机器学习检查数据并决定哪种模型最有效，从而将用户选择排除在外，”Kuhl 实验室的博士学者、该论文的合著者 Sarah St. Pierre 补充道。“自动化这个过程降低了大脑建模的障碍。现在，每个斯坦福大学的学生都可以做到这一点。”一旦机器学习发现了最佳模型，就很容易将其与几代研究人员提出的模型联系起来。