Elektrische hersensignalen zijn bij mannen en vrouwen verschillend. Het verschil in de EEG patronen is niet te zien, ook niet door een ervaren neuroloog, maar de computer haalt het er door middel van de deep learning methode wel uit.

Dat het brein van mannen iets anders functioneert dan dat van vrouwen is al langer bekend, net als het feit dat er anatomisch verschillen zijn. Het is echter nog niet eerder waargenomen dat er een verschil is in de EEG signalen, de elektrische hersensignalen die worden gemeten via elektroden op de schedel. Voor het interpreteren van EEG-data worden technieken zoals patroonherkenning ingezet, maar het geoefend oog van de neuroloog werkt meestal nog steeds beter. Er is op deze manier echter geen onderscheid te maken tussen mannelijke en vrouwelijke hersenritmes. Dit lukt, blijkt nu, alleen met ‘deep learning’.

Deep learning

Met deep learning wordt de werking van de hersenen zo goed mogelijk geïmiteerd. Het is een vorm van kunstmatige intelligentie, gebaseerd op patroonherkenning. Na eindeloos veel input, bijvoorbeeld foto’s van een hond, leert het algoritme achter deep learning zelf om in de toekomst een hond te herkennen. In deze studie hebben de onderzoekers ruim 1300 EEG-patronen voorgelegd aan een lerende computer.

Emoties

De computer laat zien dat het verschil in de hersenritmes vooral in de ‘bèta-activiteit’ zit, in het frequentiegebied van 20 tot 25 Hz. Deze hersenritmes hebben een relatie met mentale processen (cognitie) en taken die emotioneel positief of negatief zijn. Eerder onderzoek wijst erop dat vrouwen beter zijn in het herkennen van emoties: dit zou overeenkomen met een andere activiteit in de bèta-activiteit en dus ook een verschil in EEG. In dit onderzoek is dat niet verder onderzocht.

Vervolgonderzoek

Een interessante vraag voor vervolgonderzoek kan zijn of de hersensignalen ook verschillend zijn bij psychische of neurologische aandoeningen en of dit zorgt voor een verschil in behandeling. Daarnaast laat dit onderzoek zijn dat er veel meer informatie in een EEG zit dan eerder is aangenomen. Deep learning kan verder ingezet worden voor meer inzicht en gepersonaliseerde behandelingen.

Over het onderzoek

Het onderzoek is uitgevoerd door Michel van Putten, neuroloog/klinisch neurofysioloog in MST. Hij is tevens hoogleraar klinische neurofysiologie aan de UT.

Bekijk het paper “Predicting sex from brain rhythms with deep learning” hier.

Begin met typen om te zoeken..

Zoeken
Exact matches only
Search in title
Search in content
Search in excerpt
Filter by Custom Post Type
Pagina