Нейронные связи в позвоночнике
Привет, друзья! Многие из вас слышали про нейронные связи, но еще далеко не все правильно понимают, что это такое.
В этой статье я простыми словами попробую немного распутать нейросетевую «паутину» и даже показать вам ее паука, называемого «нейропластичность».
Содержание статьи:
- Нейронные связи – это что такое?
- Что такое нейропластичность?
- Как создать прочную нейронную связь?
- Человек меняется: доказано или нет?
- Заключение: что помнить о нейронной сети?
Что такое нейронные связи?
Человек (как и животные) рождается с каким-то набором клеток головного мозга – нейронов. По мере получения жизненного опыта – взаимодействия с окружающим миром, нейроны образуют между собой устойчивые связи (цепочки).
Это свойство мозга позволяет его обладателям быстро учиться всему новому и приобретать навыки (полезные и не только). Оно лежит в основе повседневного поведения, привычек и даже убеждений.
Большинство нейронных связей формируются в раннем детстве – в период усвоения наибольшего количества информации и обретения наибольшего количества навыков.
Информация (навык, убеждение, привычка), содержащаяся в сформировавшихся нейронных цепях, воспринимается ее «хозяином», как истина. Хотя, кто кого хозяин – еще большой вопрос.
Нейропластичность – что это?
Нейропластичность – это свойство человеческого мозга изменяться под воздействием нового опыта, знаний и условий. В основном, на этом свойстве нашего мозга и основана вся суть результативности психологической работы.
⠀
Начнем как раз с этого конца, оригинальности ради. Какие задачи стоят перед психологом и клиентом в процессе работы?
⠀
Разберем на примере работы со страхом публичных выступлений:
- Изменить целый список УБЕЖДЕНИЙ из категорий «непринятие и нелюбовь окружающих» и «небезопасность мира». Отсюда страх оценки окружающих, страх быть осмеянным, непонятым, каким-то «не таким».
- Изменить АВТОМАТИЧЕСКОЕ реагирование на определенные ситуации. То есть, «разрушить» СТАРЫЕ реакции (стесняться высказать свое мнение) и выработать НОВЫЕ, полезные (высказывать свое мнение бодро, гордо и с чувством права).
- Отыскать и активировать «спящие» ресурсы.
Например, если у застенчивого человека ХОТЬ РАЗ В ЖИЗНИ был опыт СМЕЛОГО высказывания или действия, то можно «заякорить» этот навык и сделать его новой нормой.
- «Показать» мозгу НОВЫЙ ОПЫТ в безопасных условиях. То есть, настроить НОВЫЕ модели отношения к ситуации.
Например, увидеть, что можно идти в публичность не из позиции «надо», а из позиции «хочу!» и получать в этом удовольствие и море энергии.
- Все наработанное перевести в разряд НОВЫХ ПРИВЫЧЕК.
За счет чего же происходят все эти изменения? – спросите вы.
Научные исследования доказывают, что у нашего мозга есть способность выращивать НОВЫЕ нейроны. Вопреки известному «нервные клетки не восстанавливаются». Этот процесс называется НЕЙРОГЕНЕЗОМ.
⠀
Но сам по себе нейрон (нервная клетка) на бытовом уровне мало чем вас порадует. Для нас важен еще один процесс в мозге – НЕЙРОПЛАСТИЧНОСТЬ.
Это способность образовывать связи между этими нейронами. Выстраивая ту самую ниточку паутины – «НЕЙРОННУЮ ЦЕПОЧКУ», о которой из всех окон кричат психологи в попытках объяснить клиенту, почему же в процессе «терапии» у него формируются новые, нужные ему, привычки реагирования.
⠀
Если на пальцах: любой навык или эмоция, будь то умение ездить на гироскутере или умение «блаженно» улыбаться дождю – цепь нейронов.
По этой цепи, как по электрическому кабелю, передается информация от различных рецепторов к центральной нервной системе. А от нее, соответственно, к разным органам, тканям, эндокринным железам.
Пример:
Вы видите щенка (рецепторы органов зрения «видят»). И дальше два варианта развития событий:
- В прошлом у вас был негативный опыт «общения» с собакой и в мозг отправляется сигнал «МНЕ СТРАШНО». А из мозга идет сигнал вырабатывать соответствующие гормоны (адреналин, норадреналин, кортизол) и вы «тактично ретируетесь» от щенка.
- В прошлом был позитивный опыт и в мозг отправляется сигнал «МНЕ РАДОСТНО». Мозг дает команду вырабатывать «гормоны радости» (серотонин, дофамин, эндорфины) и вы, радостно подхихикивая, начинаете тискать и нацеловывать собачонку.
В нас УЖЕ прописаны сценарии поведения. Мозг просто извлекает из «картотеки» нужную реакцию. НО. Мы же говорим о нейропластичности. Все можно изменить, при желании. И чем «прочнее» будет отлажена нейронная цепь, тем легче вы оперируете навыком.
То есть, например, наработанный новый навык «спокойно реагировать на вбросы хейтеров» должен стать естественной реакцией, а не «соберу волю в кулак и не буду нервничать».
Метафора для наглядности понимания этого процесса: представьте себе, как на беговых лыжах вы прокладываете лыжню на нетронутом снегу. И в противовес – как бодро несетесь по уже проложенной и «разъезженной» лыжне.
Также и тут. Передачу импульсов по нейронной цепи важно сделать максимально быстрой и бесперебойной.
Как создать прочную связь?
Формирование ПРОЧНОЙ новой нейронной связи возможно в двух случаях:
- путем многократных регулярных повторений нового навыка
- МОМЕНТАЛЬНО через ЯРКУЮ ЭМОЦИЮ
Этим, в том числе, объясняется влияние психотравматического опыта в детстве на жизнь взрослого человека.
Например, высмеянный воспитателем в саду пластилиновый грач может отрубить желание творчески проявлять себя на всю жизнь.
Поэтому в процессе работы с клиентом психологу необходимо «заходить» и через яркие эмоции, и закреплять наработанное на поведенческом уровне многократно. Ибо задача: ВЫРАБОТАТЬ НОВЫЕ АВТОМАТИЗМЫ (читай: новые прочные нейронные цепи).
Что можно изменить?
Теория становится полезной, когда ее можно применить на практике. В общем. За нашу жизнь нейроны уже образовали связи, в которых запечатлен наш опыт. Любой. Для мозга нет плохих и хороших эмоций. Есть просто эмоция. Для мозга это задача, которую нужно правильно обработать.
Пример. «Плохая», казалось бы, эмоция СТРАХ. Для мозга, схематично, это задача: дать приказ надпочечникам выработать адреналин.
Адреналин отвечает за реагирование тела на страх: бей, беги, замри. В связи с чем, наблюдаются следующие проявления: повышается потоотделение, учащается дыхание, сердце «выскакивает из груди».
⠀
И мозг все сделал правильно! Страх – значит опасность. Опасность, значит надо спасаться. Вот только когда весь этот «набор героя» появляется у вас, например, во время важных переговоров, – история так себе.
⠀
Возвращаясь к нейронным цепям и моим увещеваниям, что мы можем менять реакции.
Можем ли мы изменить цикл: СТРАХ-ОПАСНОСТЬ-АДРЕНАЛИН-«потное тело и сердце колотит 200 ударов в секунду»? Нет.
Тогда на каком же этапе мы можем влезть в этот отлаженный механизм? На этапе, когда вы среагировали эмоцией «СТРАХ» на бытовую ситуацию (например, переговоры. Речь не идет о реально опасных для жизни и здоровья ситуациях, разумеется).
Итак, на повестке дня: СТРАХ ВЕСТИ ПЕРЕГОВОРЫ в разрезе наличия давно сформированной нейронной связи, которая «диктует» эту эмоцию. Откуда вообще такая иррациональная с точки зрения взрослого человека реакция?
Как вариант: когда-то в далеком детстве вы НЕОСОЗНАННО ВЫБРАЛИ реагировать страхом на определенные ситуации.
Например, пререкание с отцом грозило подзатыльником, «углом», лишением вечерних «Хрюши со Степашкой» и т.д. Трагедия, в общем.
⠀
Мозг «записал себе в блокнот»: высказывать свое мнение = наказание, наказание = страшно.
И получается: ВЫСКАЗЫВАТЬ СВОЁ МНЕНИЕ = СТРАШНО
Тогда, в детстве, это было эффективным, «полезным». Вы выбрали быть послушным, неконфликтным, и держать свое мнение при себе. Чтобы избегать наказания и не лишаться ништяков всяких. Логично? Логично. Вопрос адаптации.
⠀
Вот только вы выросли, а хвостом тянете за собой из детства готовый алгоритм реагирования: не перечить, не отстаивать свою точку зрения. Потому что по-прежнему СТРАШНО. Страшно доказывать свою правоту.
⠀
Разбор несколько утрированный и линейный – для наглядности. В реальности все гораздо более витиевато, конечно.
⠀
Так вот. В наших силах изменить именно эту сцепку. Тогда высказывать свое мнение человек будет спокойно и уверенно. Без запуска того цикла с адреналином.
Что еще нужно знать о нейронных связях?
Давайте еще раз вспомним то, что мы узнали о нейронных связях (цепях).
Грубо говоря, все наши действия, эмоции, реакции – это УЖЕ СФОРМИРОВАННЫЕ АЛГОРИТМЫ, которые запускаются автоматически, в зависимости от ситуации.
⠀
Вы вытираетесь полотенцем после душа по одной траектории, следуете привычному маршруту до офиса, избегаете или, наоборот, провоцируете конфликтные ситуации, доверяете или, наоборот, подозреваете людей и т.д. Автоматически.
⠀
Мы выяснили, что в наших силах изменить это самое автоматическое реагирование в ситуациях, где такое реагирование нам мешает.
⠀
Закономерный вопрос. Если формируется новая реакция (читай: новая нейронная цепь), то что же происходит со старой? Неактивные нейронные цепи ослабевают.
То есть, если вы все чаще будете вместо «покорного ДА» в ответ на неудобную для вас просьбу говорить «уверенное НЕТ», постепенно цепь про НЕТ будет прочнеть, а про ДА ослабевать. Ну, при условии устранения глубинных причин, из-за которых вы выбирали быть для всех удобными, разумеется.
Формирование нужных для вас нейронных связей возможно только в случае, если «расчищено рабочее поле». То есть, нужно убрать все то, что удерживает старую реакцию.
Поэтому не всегда эффективными оказываются мотивационные тренинги. Стимул действовать и реагировать по-новому вы получили, а весь базис остался прежним. И мотивационный запал постепенно сходит на нет.
А у кого-то и так все «не тронуто негативным опытом» и новые навыки радостно встраиваются.
Нейропластичность касается не только работы с психологом, разумеется. Речь о любых навыках и новых действиях, которые вы хотите внедрить в свою жизнь. Будь то изучение иностранных языков или выработка привычки фокусироваться на позитиве.
Надеюсь, что вам было полезно узнать о нейронных связях и нейропластичности. До встречи на сеансах!
⠀
Источник
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке “Файлы работы” в формате PDF
В статье описывается реализация нейронной сети c алгоритмом обратного распространения ошибки, которая предсказывает определенные заболевания позвоночника, основываясь на некоторых биомеханических свойствах пациента. Данная работа выполнена в рамках курсового проекта по дисциплине «Методы интеллектуального анализа данных», научный руководитель – д.ф.-м.н., профессор Воронова Л.И.
Введение
По данным Всемирной организации здравоохранения, более 2 миллионов человек ежегодно умирают из-за того, что они долго сидят без движения, а к 2020 году ожидается, что 70% болезней в мире будут вызваны слишком долгим сидением и отсутствием физических упражнений. По данным Всемирной организации здравоохранения, «более половины людей в мире в настоящее время страдают от различных проблем с болями в спине». Имеется большое количество данных, показывающих, что заболевания позвоночника имеют тенденцию к увеличению из года в год и постепенно становятся моложе. Развитие заболеваний позвоночника происходит очень быстро, и они, по-видимому, станут самой большой и самой важной семьей в спектре заболеваний этой эпохи и станут главным врагом здоровья человека в будущую эпоху[1].
Авторы попытались построить нейронную сеть, чтобы помочь врачам быстро оценить состояние позвоночника пациента на основе данных таза и поясницы пациента.
Исходные данные
Биомедицинский набор данных, использованный в этом исследовании, был создан доктором Энрике да Мота во время пребывания в резиденции медицинского факультета Департамента ортопедических исследований (GARO) в центре города Лион, Франция:
https://.ics.uci.edu/ml/datasets/vertebral+column [2]. Часть данных из этого набора приведена в табл.1.
Наборы данных разделены на три категории: нормальные (100 пациентов), грыжи диска (60 пациентов) или спондилолистез (150 пациентов). Каждый пациент представлен в наборе данных шестью биомеханическими признаками, полученными из формы и ориентации таза и поясничного отдела позвоночника: заболеваемость таза, наклон таза, угол поясничного лордоза, наклон крестца, радиус таза и степень спондилолистеза.
На рис.1, 2 приведена визуализация изменений происходящих в позвоночнике при некоторых видах заболеваний.
Рис. 1. Межпозвонковая грыжа Рис. 2. Спондилолистез
В табл.1 приведено 15 записей из набора данных [2], в котором имеется 310 таких строк.
Частичные исходные данные из набора[2] Таблица 1.
заболевае- мость таза (%) | наклон таза (°) | угол поясничного лордоза (°) | наклон крестца | радиус таза (mm) | степень спондило- листеза | классификация |
63.0278 | 22.5526 | 39.6091 | 40.4752 | 98.6729 | -0.2544 | Межпозвонковая грыжа |
39.057 | 10.061 | 25.0154 | 28.996 | 114.4054 | 4.5643 | Межпозвонковая грыжа |
68.832 | 22.2185 | 50.0922 | 46.6135 | 105.9851 | -3.5303 | Межпозвонковая грыжа |
69.297 | 24.6529 | 44.3112 | 44.6441 | 101.8685 | 11.2115 | Межпозвонковая грыжа |
49.7129 | 9.6521 | 28.3174 | 40.0608 | 108.1687 | 7.9185 | Межпозвонковая грыжа |
74.3777 | 32.0531 | 78.772 | 42.3246 | 143.5607 | 56.1259 | Спондилолистез |
89.6806 | 32.7044 | 83.1307 | 56.9761 | 129.9555 | 92.0273 | Спондилолистез |
44.5291 | 9.4332 | 52 | 35.0958 | 134.7118 | 29.1066 | Спондилолистез |
77.6906 | 21.3806 | 64.4294 | 56.3099 | 114.8188 | 26.9318 | Спондилолистез |
76.1472 | 21.9362 | 82.9615 | 54.211 | 123.932 | 10.432 | Спондилолистез |
38.5053 | 16.9643 | 35.1128 | 21.541 | 127.6329 | 7.9867 | Нормальный |
54.9209 | 18.9684 | 51.6015 | 35.9524 | 125.8466 | 2.0016 | Нормальный |
44.3625 | 8.9454 | 46.9021 | 35.4171 | 129.2207 | 4.9942 | Нормальный |
48.3189 | 17.4521 | 48 | 30.8668 | 128.9803 | -0.9109 | Нормальный |
45.7018 | 10.6599 | 42.5778 | 35.0419 | 130.1783 | -3.3889 | Нормальный |
Предобработка данных
Нейронные сети, как и другие алгоритмы машинного обучения, оперируют только числовыми данными. В результате классификации нужна текстовая информация, которая. предварительно должна быть преобразована в числовой массив как результат классификации. Мы используем [1,0,0], [0,1,0], [0,0,1] для представления трех результатов классификации (грыжа диска, спондилолистез, нормальный).
Рис. 3. Отношения между каждыми двумя свойствами
При исследовании многомерных объектов, желательны одинаковые масштабы признаков, чтобы помочь алгоритму градиентного спуска сходиться быстрее.
Однако, в используемом наборе данных имеются очень большие различия, например, степень поясничного спондилолистеза значительно отличается от других признаков. Поэтому нужно нормализовать данные. Здесь мы используем min-max нормализацию[3].
(1)
Проектирование и обучение нейронной сети
Для обучения нейронной сети случайным образом выделим из 310 наборов 80% (250), остальные 20% (60) будут использованы для нужд тестирования.
Далее необходимо выбрать архитектуру нейронную сети. Данный процесс осуществляется эмпирическим путем. В этом исследовании мы использовали трехслойную нейронную сеть, а нейронная сеть – прямого распространения (персептрон) с обучением по алгоритму обратного распространения ошибки[4].
Как показал эксперимент наибольшей точностью обладает нейросеть с конфигурацией 6-10-3, где 6 нейронов во входном слое (соответствует 6 признакам), 10 в скрытом слое и 3 в выходном слое(соответствует 3 классификациям).
Рис. 4. Структурная схема нейронной сети
Перед началом обучения нейронной сети необходимо сгенерировать случайным образом значение её весов. Весовая матрица определяется на основе количества нейронов во входном слое(n_x), скрытом слое(n_h) и выходном слое(n_y).
(2)
(3),
где np.random.randn – это функция, которая генерирует несколько выборок, соответствующих нормальному распределению.
Процесс обучения сводится к тому, чтобы минимизировать функцию стоимости. Функция стоимости[4]:
(4),
где m – количество обучающих примеров, a – выходные результаты, y – фактические результаты.
Чтобы минимизировать функцию стоимости, нам нужно отрегулировать размер параметров (весов). Сначала мы рассчитываем выход по прямому распространению. В этом процессе мы используем сигмоидальную функцию активации. Затем используем алгоритм обратного распространения ошибки для настройки параметров сети (весов). При этом, во время обучения происходит уменьшение ошибок между выходным слоем и ожидаемым значением[5].
Для исключения переобучения оптимизируем нейронную сеть, изменяя значение λ – параметра регуляризации[6]. При этом оставим фиксированное значение числа итераций, равное 5000. Для λ мы последовательно использовали значения 0,01, 0,1, 1, чтобы вычислить функцию потерь. Результаты приведены на рис.5.
Рис. 5. Функция потерь для разных значений параметра регуляризации λ
Как видно из рисунка, для λ = 0,01, функция потерь относительно мала, поэтому мы именно это значение используем в дальнейших расчетах.
После 5000 итераций, остановив обучение, мы получим лучшие значения весовых параметров и сохраним их в файлах W1, W2, которые будем использовать для работы с тестовым набором.
На рис.6 приведены результаты значений функции стоимости при изменении количества итераций. Как следует их полученных данных значение функции стоимости уже начиная с 3500 итерации изменяется незначительно от 0, 69 к 0,63 для 5000 итераций.
Рис. 6. Изменение функции потерь при увеличении количества итераций
Таким образом, обучение сети проводилось при следующих параметрах:
количество обучающих итераций = 5000,
скорость обучения = 0,2,
параметр регуляризации λ = 0,01.
Результаты тестирования
Для тестирования использовался набор из 20% (60) записей случайным образом выделенный 310 записей [2] На рис.7 приведены результаты тестирования, из которого видно, что точность тестирования 83%. На этом же рисунке можно увидеть и несовпадения предсказанного и тестового результатов. В частности это касается Hernia-Normal.
Рис. 7. Результат теста
Тем не менее, полученная точность для такого, не слишком большого набора данных, содержащего к тому же существенно разнохарактерные признаки вполне удовлетворительна.
Выводы
В этой статье рассматривается использование нейронных сетей для определения состояния позвоночника пациента на основе определенных биомеханических признаков пациента, точность тестовой выборки более 80%.
На основе выполненной исследовательской и аналитической работы можно сделать вывод о том, что основная задача аналитика, использующего нейронные сети для решения какой-либо проблемы, – создать наиболее эффективную архитектуру нейронной сети, то есть правильно выбрать вид нейронной сети, алгоритм её обучения, количество нейронов и виды связей между ними[7].
Для оптимизации нейронной сети, следует использовать:
• нейронную сеть с более сложной структурой, например сверточную
• улучшить обучающий набор, увеличить при надобности
• методы по ускорению вычислений
Список источников и литературы
Развитие и развитие заболеваний позвоночника – [Электронный ресурс] – 16 марта 2015 – Режим доступа: https://wenku.baidu.com/view/94c25684700abb68a882fb3c.html
Датасет Энрике да Мота https://.ics.uci.edu/ml/datasets/vertebral+column
Нормализация / стандартизация машинного обучения – [Электронный ресурс] – 7 августа 2017 – Режим доступа: https://www.jianshu.com/p/f9bde6a37d75
Л.И. Воронова, В.И. Воронов. MachineLearning: Регрессионные методы интеллектуального анализа данных: учебное пособие – МТУСИ, 2018 – 81 с.
Чао Чао , BP нейронная сеть: от принципа к применению – [Электронный ресурс] – 1 октября 2017 – Режим доступа: https://gitbook.cn/books/59e42d6143757a535fe26a70/index.html
AndrewNgMachineLearning Курс Стенфордского университета 2018г – Режим доступа: https://www.coursera.org/learn/machinelearning
Нейронные сети: варианты использования – [Электронный ресурс] – Режим доступа: https://md-it.ru/articles/html/article19.html
Источник