AI技术为神经科学研究的加速进展打开了大门

杜克大学的生物医学科学家表示，他们开发了一种自动化过程，可以像人类研究人员一样准确地追踪活跃神经元的形状，但只需要很短的时间。这项基于使用人工智能解释视频图像的新技术解决了神经元分析中的一个关键障碍，允许研究人员快速收集和处理神经元信号以进行实时行为研究，该团队的研究表明(“快速而稳健的活动”在PNAS中出现使用时空深度学习的双光子钙成像中的神经元分割。

“钙成像记录体内细胞分辨率的大规模神经元活动。自动，快速和可靠的主动神经元分割是在实时行为研究中利用神经信号来发现神经元编码特性的分析工作流程中的关键步骤。在这里，为了利用双光子钙成像电影中的完整时空信息，我们提出了一种3D卷积神经网络来识别和分割活跃的神经元。通过利用各种双光子显微镜数据集，我们证明我们的方法优于最先进的技术，并与手动分割相提并论，“研究人员写道。

“此外，我们证明了训练在特定皮质层记录的数据的网络可用于准确地分割来自具有不同神经元密度的另一层的活跃神经元。最后，我们的工作记录了神经元分割中引用最多和最活跃的在线科学挑战之一的重大制表缺陷。由于我们的计算速度快的方法是大量实时光遗传学实验的宝贵工具，因此我们在网上免费提供了我们的开源软件和精心注释的数据集。

杜克大学生物医学工程系(BME)工程学副教授Paul Ruffin Scard博士表示，虽然这些测量对于行为研究非常有用，但识别记录中的单个神经元是一个艰苦的过程。目前，最准确的方法需要人类分析师圈出他们在录音中看到的每个“火花”，通常要求他们停止和倒回视频，直到识别并保存目标神经元。为了使该过程进一步复杂化，研究人员通常只想识别在成像的数千个神经元内的不同层中重叠的一小部分活动神经元。

这个称为分段的过程很慢。研究人员可以在30分钟的视频录制中花费4到24小时对神经元进行分段，并假设它们在整个持续时间内完全聚焦，并且不会休息，睡觉，吃饭或使用浴室。

相比之下，由BME中的图像处理和神经科学研究人员开发的一种新的开源自动算法可以在几分钟内准确识别和分割神经元，Farsiu指出。

“作为完成大脑活动绘图的关键步骤，我们的任务是开发一种快速自动算法的艰巨挑战，该算法与人类一样准确，可以分割在不同实验环境下成像的各种活跃神经元，”他继续说道。

“数据分析瓶颈已经存在于神经科学中很长一段时间 - 数据分析师花了数小时处理数分钟的数据，但这种算法可以在20到30分钟内处理30分钟的视频，”Yiyang Gong博士补充道。杜克BME助理教授。“我们还能够推广其性能，因此如果我们需要从具有不同神经元大小或密度的大脑的另一层分割神经元，它可以同样良好地运作。”

“我们基于深度学习的算法很快，并且被证明与从双光子显微镜记录中分割活跃和重叠神经元的人类专家一样准确(如果不是更好)，”Somayyeh Soltanian-Zadeh博士说。杜克BME和论文的第一作者。

深度学习算法允许研究人员通过多层非线性处理单元快速处理大量数据，这些处理单元可以通过训练来识别复杂图像的不同部分。在他们的框架中，该团队创建了一个算法，可以处理输入视频中的空间和定时信息。然后，他们训练算法模拟人类分析师的分割，同时提高准确性。

龚已经在使用这种新方法来更密切地研究与小鼠不同行为相关的神经活动。通过更好地了解哪些神经元为不同的活动开火，龚希望了解研究人员如何操纵大脑活动来改变行为。

“活跃神经元检测的这种改进性能应提供有关神经网络和行为状态的更多信息，并为神经科学实验的加速进展打开大门，”Soltanian-Zadeh说。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。