← नवीनतम पेपर
🤖 machine learning

Towards a general-purpose foundation model for fMRI analysis

यह शोधपत्र NeuroSTORM को प्रस्तुत करता है, जो 50,000 से अधिक विषयों के 28.65 मिलियन fMRI फ्रेम्स पर प्री-ट्रेन किया गया एक सामान्य-उद्देश्यीय फाउंडेशन मॉडल है, जो विविध डाउनस्ट्रीम कार्यों में मौजूदा विधियों से बेहतर प्रदर्शन करता है और पुनरुत्पादनीय एवं हस्तांतरणीय fMRI विश्लेषण के लिए एक मानकीकृत समाधान प्रदान करता है।

मूल लेखक: Cheng Wang, Yu Jiang, Zhihao Peng, Chenxin Li, Changbae Bang, Lin Zhao, Wanyi Fu, Jinglei Lv, Jorge Sepulcre, Carl Yang, Lifang He, Tianming Liu, Xue-Jun Kong, Quanzheng Li, Daniel S. Barron, Anqi Qiu
प्रकाशित 2026-03-25
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Cheng Wang, Yu Jiang, Zhihao Peng, Chenxin Li, Changbae Bang, Lin Zhao, Wanyi Fu, Jinglei Lv, Jorge Sepulcre, Carl Yang, Lifang He, Tianming Liu, Xue-Jun Kong, Quanzheng Li, Daniel S. Barron, Anqi Qiu, Randy Hirschtick, Byung-Hoon Kim, Hongbin Han, Xiang Li, Yixuan Yuan

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपका मस्तिष्क एक विशाल, हलचल भरा शहर है। हर सेकंड, अरबों न्यूरॉन्स स्ट्रीटलाइट्स, ट्रैफिक सिग्नल और पावर ग्रिड की तरह जलते और बुझते हैं, जो एक जटिल, 4D फिल्म (3D स्थान + समय) बनाते हैं। दशकों से, वैज्ञानिकों ने इस फिल्म को देखने की कोशिश की है ताकि वे समझ सकें कि मस्तिष्क कैसे काम करता है, बीमारियों का निदान कर सकें, या यहाँ तक कि यह अनुमान लगा सकें कि कोई व्यक्ति खुश है या तनाव में है।

लेकिन समस्या यह है: कैमरे सभी अलग-अलग हैं, और संपादक सभी अलग-अलग नियमों का उपयोग कर रहे हैं।

कुछ वैज्ञानिक शहर को मोहल्लों (रुचि के क्षेत्रों) में बांट देते हैं और केवल उनके बीच के ट्रैफिक को देखते हैं। अन्य पूरे शहर को एक साथ देखने की कोशिश करते हैं लेकिन डेटा की भारी मात्रा से घबरा जाते हैं। क्योंकि हर कोई अलग-अलग उपकरणों और तरीकों का उपयोग करता है, इसलिए परिणामों की तुलना करना कठिन है। यदि एक लैब कहती है कि "यह मस्तिष्क पैटर्न अवसाद (depression) का संकेत है," तो दूसरी लैब उस प्रयोग को दोहरा नहीं पाती क्योंकि उनके "कैमरा सेटिंग्स" अलग थे।

NeuroSTORM से मिलिए: द यूनिवर्सल ब्रेन ट्रांसलेटर (सार्वभौमिक मस्तिष्क अनुवादक)।

यह पेपर NeuroSTORM नामक एक नए AI मॉडल का परिचय देता है। इसे एक "फाउंडेशन मॉडल" के रूप में सोचें, जैसे ChatGPT भाषा के लिए एक फाउंडेशन मॉडल है। टेक्स्ट से सीखने के बजाय, इसने 50,000 से अधिक लोगों के 28.65 मिलियन ब्रेन मूवी फ्रेम्स से सीखा है।

यह कैसे काम करता है, इसके लिए कुछ सरल उपमाओं का उपयोग किया गया है:

1. पुराने तरीकों के साथ समस्या

  • "मैप" की समस्या: पुराने तरीकों ने मस्तिष्क को एक पहले से बने मैप (जैसे सबवे मैप) पर प्रोजेक्ट करके उसे सरल बनाने की कोशिश की। यह एक शहर को केवल उसकी सबवे लाइनों को देखकर समझने जैसा है। आप पार्क, छोटी गलियां और अनूठी वास्तुकला को खो देते हैं। आप जानकारी खो देते हैं।
  • "रिडंडेंसी" (अतिरेक) की समस्या: मस्तिष्क की फिल्में दोहराव वाली चीजों से भरी होती हैं। यदि आप जानते हैं कि एक कमरे में क्या हो रहा है, तो आप अनुमान लगा सकते हैं कि बगल वाले कमरे में क्या हो रहा होगा। पुराने AI मॉडल आलसी हो गए; उन्होंने गहरे, जटिल रहस्यों को सीखने के बजाय केवल इन आसान पैटर्न को याद कर लिया।

2. NeuroSTORM इसे कैसे हल करता है

NeuroSTORM तीन विशेष शक्तियों के साथ बनाया गया है:

  • "स्मार्ट विंडो" (शिफ्टेड-विंडो मंबा - Shifted-Window Mamba):
    कल्पना कीजिए कि आप एक छोटी फोन स्क्रीन पर 4 घंटे की फिल्म देखने की कोशिश कर रहे हैं। यह असंभव है। NeuroSTORM एक "स्मार्ट विंडो" तकनीक का उपयोग करता है। पूरे शहर को एक साथ देखने के बजाय, यह एक बार में कुछ ब्लॉक्स को देखता है, लेकिन यह अपनी विंडो को लगातार बदलता रहता है ताकि यह विभिन्न मोहल्लों के बीच के कनेक्शन को पकड़ सके। यह इतने कुशल है कि बिना किसी सुपरकंप्यूटर के मानक कंप्यूटरों पर भी चल सकता है।
  • "रिडंडेंसी ड्रॉपआउट" (STRD):
    AI को आलसी होने से रोकने के लिए, शोधकर्ताओं ने प्रशिक्षण के दौरान "लुका-छिपी" (Hide and Seek) का खेल खेला। उन्होंने रैंडम तरीके से मस्तिष्क की फिल्म के हिस्सों को ढक दिया (मास्क कर दिया)। लेकिन यहाँ एक चाल थी: उन्होंने सबसे पहले बोरिंग और दोहराव वाले हिस्सों को ढका। इसने AI को उन दिलचस्प और अनूठे संकेतों पर ध्यान केंद्रित करने के लिए मजबूर किया जो वास्तव में मायने रखते हैं, न कि केवल अपने पड़ोसियों की नकल करने के लिए।
  • "यूनिवर्सल अडैप्टर" (टास्क-स्पेसिफिक प्रॉम्प्ट ट्यूनिंग):
    एक बार जब AI ने मस्तिष्क की सामान्य भाषा सीख ली, तो आप इसे विशिष्ट कार्यों के लिए कैसे उपयोग करेंगे? हर नए कार्य के लिए पूरे मस्तिष्क को फिर से बनाने के बजाय, NeuroSTORM एक छोटे "अडैप्टर" (जैसे एक USB डोंगल) का उपयोग करता है। आप जिस काम की आपको आवश्यकता है, उसके लिए एक छोटा, विशिष्ट निर्देश (एक "प्रॉम्प्ट") प्लग करते हैं—जैसे "ADHD का निदान करें" या "आयु का अनुमान लगाएं"—और AI तुरंत अपना मोड बदल लेता है। यह एक स्विस आर्मी नाइफ की तरह है जहाँ आप बस काम के अनुसार ब्लेड बदलते हैं।

3. यह क्या कर सकता है?

शोधकर्ताओं ने पांच अलग-अलग "चुनौतियों" पर NeuroSTORM का परीक्षण किया और इसने सभी में सबको पछाड़ दिया:

  • जनसांख्यिकी का अनुमान लगाना: यह आपके ब्रेन स्कैन को देखकर आपकी आयु और लिंग बता सकता है, जो किसी भी पिछले तरीके से बेहतर है।
  • व्यक्तित्व का अनुमान लगाना: यह अनुमान लगा सकता है कि आप गणित में कितने अच्छे हैं, आप कितने भावुक हैं, या आप कितना तनाव महसूस करते हैं।
  • रोग का निदान करना: यह बहुत कम डेटा होने पर भी उच्च सटीकता के साथ सिज़ोफ्रेनिया, ADHD या मोटर न्यूरॉन रोग के संकेतों को पहचान सकता है।
  • लोगों की पहचान करना: यह बता सकता है कि दो ब्रेन स्कैन एक ही व्यक्ति के हैं या नहीं (एक फिंगरप्रिंट की तरह), जो सुरक्षा और अनुसंधान के लिए महत्वपूर्ण है।
  • विचारों को पढ़ना (स्टेट क्लासिफिकेशन): यह केवल आपकी मस्तिष्क गतिविधि को देखकर बता सकता है कि कोई व्यक्ति वर्तमान में "डर", "गणित" या "चलने" के बारे में सोच रहा है।

4. यह क्यों महत्वपूर्ण है

सबसे बड़ी सफलता दक्षता और विश्वसनीयता है।

  • डेटा-की कमी (Data-Starved): आमतौर पर, AI को नया कार्य सीखने के लिए हजारों लेबल किए गए उदाहरणों की आवश्यकता होती है। NeuroSTEROUM बहुत कम उदाहरणों के साथ एक नया कार्य सीख सकता है क्योंकि यह पहले से ही मस्तिष्क की "भाषा" जानता है।
  • मानकीकरण (Standardization): क्योंकि यह सब कुछ के लिए एक ही मॉडल का उपयोग करता है, वैज्ञानिक अंततः अलग-अलग अस्पतालों और देशों में परिणामों की तुलना कर सकते हैं, बिना "कैमरा सेटिंग्स" की चिंता किए।

संक्षेप में:
पहले, प्रत्येक वैज्ञानिक को शून्य से अपना खुद का कस्टम ब्रेन-रीडिंग मशीन बनानी पड़ती थी, जिससे असंगत उपकरणों का ढेर लग जाता था। NeuroSTORM पहला "यूनिवर्सल ब्रेन इंजन" है। यह डेटा के एक विशाल पुस्तकालय से मस्तिष्क के काम करने के सामान्य नियमों को सीखता है, और फिर वैज्ञानिक बीमारियों का निदान करने या मन का अध्ययन करने के लिए आसानी से विशिष्ट कार्यों को इसमें जोड़ सकते हैं, वह भी उच्च सटीकता और कम कंप्यूटिंग पावर के साथ।

यह एक ऐसी दुनिया से, जहाँ हर ड्राइवर को अपना इंजन खुद बनाना पड़ता था, एक ऐसी दुनिया में जाने जैसा है जहाँ हम सभी एक ही विश्वसनीय, उच्च-प्रदर्शन वाले वाहन को चलाते हैं, बस अपनी मंजिल के आधार पर गंतव्य बदलते हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.LG →