PNAS：人工智能技術(shù)加速神經(jīng)科學研究進展

熱門推薦：人工智能 , 神經(jīng)元 , 神經(jīng) ,

來源：生物探索

2019-04-18

杜克大學的研究團隊發(fā)表在PNAS上的研究顯示，他們開發(fā)了一種人工智能自動化進程算法，幫助研究人員快速收集和處理神經(jīng)元信號，實現(xiàn)實時行為研究。這項成果為加速神經(jīng)科學研究打開一扇新大門。

人工智能技術(shù)加速神經(jīng)科學研究進展

鈣成像記錄了細胞在體內(nèi)的大規(guī)模神經(jīng)元活動。自動、快速、可靠的活動神經(jīng)元分割是利用神經(jīng)元信號進行實時行為研究以發(fā)現(xiàn)成像后神經(jīng)元編碼特性的分析工作流中的關(guān)鍵步驟。目前，最準確的方法需要人類分析師手動追蹤，但識別記錄單個神經(jīng)元是一個艱苦又緩慢的過程，假設(shè)研究人員不吃不喝不睡且注意力高度集中，30min的視頻需要4-24h才能完成神經(jīng)元分割。

相比之下，杜克大學生物醫(yī)學工程系（BME）的圖像處理和神經(jīng)科學研究人員開發(fā)的一種新的開源自動算法可以在幾分鐘內(nèi)準確識別和分割神經(jīng)元，且準確度和人類一樣高。相關(guān)研究發(fā)表在PNAS上。

杜克大學的研究員、教授龔益陽說：“神經(jīng)科學領(lǐng)域的數(shù)據(jù)分析的瓶頸已經(jīng)存在很長時間了——數(shù)據(jù)分析師花費數(shù)小時處理數(shù)分鐘的數(shù)據(jù)，但是這個算法可以在20-30分鐘內(nèi)處理30分鐘的視頻。而且這種算法還能拓展，所以如果需要從具有不同神經(jīng)元大小或密度的另一層大腦分割神經(jīng)元，它可以同樣良好地運作。”

該研究的第一作者Somayyeh Soltanian-Zadeh博士說，“我們基于深度學習的算法很快，并且證明與從雙光子顯微鏡記錄中分割活躍和重疊神經(jīng)元的人類專家一樣準確。”

深度學習算法允許研究人員通過多層非線性處理單元快速處理大量數(shù)據(jù)，這些處理單元可以通過訓(xùn)練來識別復(fù)雜圖像的不同部分。在這個數(shù)據(jù)框架中，研究團隊創(chuàng)建了一個算法，可以處理輸入視頻中的空間和定時信息。然后，研究人員訓(xùn)練算法模擬人類分析師的分割模式，并且提高算法準確性。

目前，龔益陽教授已經(jīng)在使用這種新方法來更密切地研究與小鼠不同行為相關(guān)的神經(jīng)活動。

Soltanian-Zadeh說：“活躍神經(jīng)元檢測效率的提高，人類將獲得更多關(guān)于神經(jīng)網(wǎng)絡(luò)和行為狀態(tài)的信息，這將為神經(jīng)科學實驗的加速進展打開大門。”

此外，研究人員已經(jīng)免費公開了開源軟件和他們仔細注釋的數(shù)據(jù)集。

點擊下圖，預(yù)登記觀展