تصویر فاسیکلوس طولی برتر را نشان می‌دهد: ماده سفیدی که قشر جلوی مغز و جداری را به هم متصل می‌کند؛ یعنی دو قسمت مغز که با «توجه» مرتبط هستند. این تصویر به‌وسیله تصویربرداری تشدید مغناطیسی و تراکتوگرافی
شناخت هرچه بیشتر مغز می‌تواند به درک ما از ارتباط میان بخش‌های مختلف آن و در نتیجه تعیین علل بروز رفتارهای گوناگون کمک کند. دانشمندان الگوریتمی جدید را طراحی کرده‌اند که گامی بلند در جهت این شناخت محسوب می‌شود.

به گزارش پایگاه خبری تِک اکسپلور (Tech Xplore)، پژوهشگران مؤسسه دانش هند (Indian Institute of Science) یک الگوریتم جدید یادگیری ماشینی بر اساس نماپردازشگر (GPU) طراحی کرده‌اند که به دانشمندان کمک می‌کند اتصال بین مناطق مختلف مغز را بهتر بفهمند و پیش‌بینی کنند.

این الگوریتم که «ارزیابی منظم شتاب‌گرفته خطی فاسیکل عضلانی» (Regularized, Accelerated, Linear Fascicle Evaluation) نامیده می‌شود، می‌تواند داده‌های فراوان تولیدشده از اسکن تصویرسازی تشدید مغناطیسی مغز انسان را به‌ سرعت تجزیه‌ و تحلیل کند.

پژوهشگران با استفاده از این الگوریتم قادر شدند داده‌های تصویرسازی تشدید مغناطیسی را بیش از ۱۵۰ بار سریع‌تر از وقتی ارزیابی کنند که از الگوریتم‌های پیشرفته موجود استفاده می‌کردند.

طبق اظهارات پژوهشگران، با استفاده از این الگوریتم کارهایی که در گذشته ساعت‌ها یا روزها زمان لازم داشت، در چند ثانیه یا چند دقیقه انجام می‌شود.

در مغز، در هر ثانیه، میلیون‌ها نورون شلیک می‌شوند که ضربان‌های الکتریکی تولید می‌کنند و در طول شبکه‌های نورونی از یک سمت مغز به سمت دیگر در آکسون‌ها حرکت می‌کنند. این ارتباطات برای محاسبه عملکرد مغز ضروری هستند.

فهم اتصالات مغزی برای پی بردن به ارتباط مغز و رفتار افراد اهمیت زیادی دارد.