Пятница, 23 февраля, 2024
ДомойТехнологииРеволюция искусственного интеллекта в нейронауке: точное отслеживание нейронов движущихся животных

Революция искусственного интеллекта в нейронауке: точное отслеживание нейронов движущихся животных

- Advertisement -

Инновационный метод искусственного интеллекта, созданный учеными EPFL и Гарварда, позволяет эффективно отслеживать нейроны движущихся животных с помощью сверточной нейронной сети с «целевым расширением». Это значительно сокращает количество ручных аннотаций, ускоряет исследования по визуализации мозга и углубляет наше понимание поведения нейронов.

Ученые EPFL и Гарварда разрабатывают метод на основе искусственного интеллекта для отслеживания нейронов движущихся животных, повышающий эффективность исследований мозга с минимальными ручными аннотациями.

Последние достижения позволяют получать изображения нейронов внутри свободно движущихся животных. Однако для декодирования активности схемы эти отображаемые нейроны необходимо идентифицировать и отслеживать с помощью вычислений. Это становится особенно сложной задачей, когда сам мозг движется и деформируется внутри гибкого тела организма, например, у червя. До сих пор научному сообществу не хватало инструментов для решения этой проблемы.

Разработка метода искусственного интеллекта для отслеживания нейронов

Теперь группа ученых из EPFL и Гарварда разработала новаторский метод искусственного интеллекта для отслеживания нейронов внутри движущихся и деформирующихся животных. Исследование, опубликованное сейчас в Природные методывозглавлял Саханд Джамал Рахи в Школе фундаментальных наук EPFL.

Новый метод основан на сверточной нейронной сети (CNN), которая представляет собой тип искусственного интеллекта, обученный распознавать и понимать закономерности на изображениях. Это включает в себя процесс, называемый «сверткой», который рассматривает небольшие части изображения — например, края, цвета или формы — одновременно, а затем объединяет всю эту информацию вместе, чтобы придать ей смысл и идентифицировать объекты или шаблоны.

Проблема в том, что для идентификации и отслеживания нейронов во время фильма о мозге животного многие изображения должны быть помечены вручную, потому что животное выглядит по-разному с течением времени из-за множества различных деформаций тела. Учитывая разнообразие поз животного, создание вручную достаточного количества аннотаций для обучения CNN может оказаться сложной задачей.

Двумерная проекция трехмерных объемных записей активности мозга C. elegans. Зеленый: генетически закодированный индикатор кальция, разные цвета: сегментированные и трековые нейроны. Фото: Махса Барзегар-Кештели (EPFL)

Целевое увеличение

Чтобы решить эту проблему, исследователи разработали улучшенную CNN с «целевым расширением». Инновационная технология автоматически синтезирует надежные аннотации для справки из ограниченного набора аннотаций, сделанных вручную. В результате CNN эффективно изучает внутренние деформации мозга, а затем использует их для создания аннотаций для новых поз, что резко снижает потребность в ручных аннотациях и двойной проверке.

Новый метод универсален: он позволяет идентифицировать нейроны независимо от того, представлены ли они на изображениях как отдельные точки или как трехмерные объемы. Исследователи проверили это на аскаридах Ценорабдитис элегантныйчьи 302 нейрона сделали его популярной моделью организма в нейробиологии.

Используя расширенную CNN, ученые измерили активность некоторых интернейронов червя (нейронов, которые передают сигналы между нейронами). Они обнаружили, что они демонстрируют сложное поведение, например, меняют модели реакции при воздействии различных раздражителей, таких как периодические всплески запахов.

Влияние на исследования

Команда сделала свою CNN доступной, предоставив удобный графический пользовательский интерфейс, который интегрирует целевые дополнения, оптимизируя процесс в комплексный конвейер, от ручного аннотирования до окончательной корректуры.

«За счет значительного сокращения ручных усилий, необходимых для сегментации и отслеживания нейронов, новый метод увеличивает производительность анализа в три раза по сравнению с полностью ручным аннотированием», — говорит Саханд Джамал Рахи. «Этот прорыв может ускорить исследования в области визуализации мозга и углубить наше понимание нейронных цепей и поведения».

Ссылка: «Автоматическое отслеживание нейронов внутри движущихся и деформирующихся объектов». К. Элеганс использование глубокого обучения и целевого расширения» Кор Франциско Парк, Махса Барзегар-Кештели, Ксения Корчагина, Ариана Дельрок, Владислав Сусой, Коринн Л. Джонс, Аравинтан Д.Т. Сэмюэл и Саханд Джамал Рахи, 5 декабря 2023 г., Природные методы.
DOI: 10.1038/s41592-023-02096-3

Финансирование: Федеральная политехническая школа Лозанны (EPFL), Фонд Гельмута Хортена, Швейцарский центр обработки данных.

Исходная ссылка

- Advertisement -

Популярное по теме