为了测量神经活动,研究人员通常使用称为双光子钙成像的方法,其允许它们记录活动物大脑中单个神经元的活性。这些录音使研究人员能够跟踪哪些神经元正在射击,以及它们如何对应于不同的行为。
虽然这些测量对于行为研究是有用的,但鉴定录音中的个体神经元是一种艰苦的过程。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一个“火花”,通常要求它们停止和倒带视频,直到识别出目标神经元并保存。为了进一步使该方法复杂化,研究人员通常对鉴定在成像的数千个神经元中的不同层中重叠的小型活性神经元的小副。
这个过程称为分段,是挑剔和慢的。研究人员可以在30分钟的视频录制中从四到24小时分割神经元的任何地方,这是假设它们完全专注于持续时间,不要休息,吃或使用浴室。
相比之下,杜克大学生物医学工程系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地识别和分割神经元。“作为全面绘制大脑活动图谱的关键一步,我们面临的艰巨挑战是开发一种快速的自动化算法,它可以像人类一样精确地分割在不同实验设置下成像的各种活跃神经元。”杜克大学工程学院保罗·拉芬·斯卡伯勒工程副教授Sina Farsiu说。
“数据分析瓶颈在神经科学中存在长时间数据分析师已经花了数小时和时间的数据分钟,但这种算法可以在20到30分钟内处理30分钟的视频,”助理教授yiyanggong说在公爵BME。“我们也能够概括其性能,因此如果我们需要从具有不同神经元大小或密度的大脑层段的神经元段,它可以同样运行。”
“我们基于深度学习的算法速度很快,在从双光子显微镜记录中分割活跃神经元和重叠神经元方面,被证明与人类专家一样精确(如果不是更好的话),”杜克大学BME博士生、论文的第一作者索马耶·索塔尼亚-扎德(Somayyeh Soltanian-Zadeh)说。
深度学习算法允许研究人员通过通过多层的非线性处理单元发送来快速处理大量数据,这可以训练以识别复杂图像的不同部分。在其框架中,该团队创建了一种可以在输入视频中处理空间和时序信息的算法。然后,他们“训练”算法模仿人类分析师的分割,同时提高了准确性。
这一进展是让神经科学家能够实时跟踪神经活动的关键一步。由于他们的工具具有广泛的实用性,团队已经将他们的软件和带注释的数据集放到了网上。
龚已经在使用这种新方法更深入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会对不同的活动产生反应,龚希望了解研究人员如何操纵大脑活动来改变行为。Soltanian-Zadeh说:“这种在活跃神经元检测方面的改进应该提供关于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。”
来源:杜克大学