由James Ives评论，MPsychDec
21 2018
美国国家科学基金会BIGDATA计划向匹兹堡斯旺森大学工程学院领导的研究小组拨款1,200,000美元，用于研究复杂脑部疾病的大脑数据，并设计解决多种计算挑战的新算法现场协同数据挖掘。
黄燕，斯旺森学院的John A. Jurenko计算机工程教授，是该研究的首席研究员，“”用于多站点协作脑大数据挖掘的异步分布式机器学习框架。“”黄先生目前领导七个NSF项目和一个NIH R01项目涉及机器学习，大数据挖掘，计算神经科学，健康信息学和精准医学。
“对大脑成像基因组学和人类连接组学等新兴领域的研究，对于大脑的系统生物学研究具有很大的希望，”黄说。“这项研究可以帮助我们更好地理解复杂的神经生物学系统，从遗传决定因素到大脑结构，连通性，功能和认知之间的相互作用。”“
虽然研究人员目前可以获得从一系列资助项目中收集的大脑数据，但他们有由于数据隐私和安全问题阻碍了跨机构分配，未能获得不同地方机构收集的额外数据。在这个项目中，Huang将创建一个框架来解决这些问题并促进数据和计算资源共享。
“在协作数据分析中，参与机构保留自己的数据，这些数据在本地进行分析和计算，并且只通过与服务器通信共享计算结果，”黄解释说。“”服务器与所有机构进行通信并更新计算模型，以便训练有素的机器学习模型间接使用所有数据，并与所有机构共享。“”
相关故事研究表明大脑中多巴胺的释放量每餐两次研究调查了为什么哺乳动物的嗅觉在老年时会恶化血液中的关键营养素水平与高效的大脑连接相关联根据Huang的说法，大多数机器学习算法并不是针对此类分布式架构而设计的。难以设计有效的算法和提供理论基础。这是为脑成像基因组学和人类连接组学研究创建这些类型算法的第一个项目。该项目的目标是减轻这些计算挑战，使神经影像学，基因组学，神经科学和其他大脑相关学科的研究人员能够安全，高效地进一步开展研究。
“”我们项目的结果将是新的分布式机器学习算法，其理论基础可用于多站点协作大脑数据挖掘，创建大规模计算策略和有效的软件工具，“黄说。“我们希望这项工作能够帮助研究人员充分利用大脑数据的全部潜力，从而可能导致下一个重大的脑科学发现。”“
来源：https：//www.engineering.pitt.edu/News/2018/Heng
-Huang-BIGDATA /“
”