Gesundheit

Künstliche Intelligenz singles aus Neuronen schneller als ein Mensch: Deep-learning-Algorithmus maps aktiven Neuronen so genau wie die Menschen in einem Bruchteil der Zeit.

Biomedizinische Ingenieure an der Duke University entwickelt haben, ein automatisierter Prozess, der verfolgen kann, die Formen der aktiven Neuronen so genau wie menschliche Forscher können, aber in einem Bruchteil der Zeit.

Diese neue Technik beruht auf der Verwendung künstlicher Intelligenz zu interpretieren, video, Bilder, Adressen, eine kritische Hürde, die in neuron-Analyse, die es den Forschern ermöglicht, schnell die Erfassung und Verarbeitung neuronaler Signale für die Echtzeit-Verhaltens-Studien.

Die Forschung erschien in dieser Woche in den Proceedings of the National Academy of Sciences.

Zur Messung neuronaler Aktivität, die Forscher verwenden in der Regel ein Prozess, bekannt als zwei-Photonen-Kalzium imaging ermöglicht Ihnen die Aufzeichnung der Aktivität einzelner Neuronen im Gehirn von lebenden Tieren. Diese Aufnahmen ermöglichen es den Forschern, zu verfolgen, welche Neuronen feuern, und wie Sie potenziell entsprechen unterschiedlichen Verhaltensweisen.

Während diese Messungen sind nützlich für Verhaltens-Studien, die Identifizierung von einzelnen Neuronen in den Aufnahmen ist ein mühsamer Prozess. Derzeit ist die Genaueste Methode erfordert ein menschlicher analyst Kreis jedes „Funke“ Sie sehen in der Aufnahme, oft erfordert Sie zu stoppen und Spulen Sie das video bis zum gezielten Neuronen identifiziert und gespeichert. Weiter zu erschweren den Prozess, die Ermittler sind oft interessiert an der Identifikation nur eine kleine Teilmenge der aktiven Neurone überlappen sich die in verschiedenen Ebenen innerhalb der Tausende von Neuronen, die bebildert werden.

Dieser Prozess, das sogenannte Segmentierung, ist pingelig und langsam. Ein Forscher verbringen kann überall von vier bis 24 Stunden Segmentierung von Nervenzellen in einem 30-minütigen video-Aufzeichnung, und das ist vorausgesetzt, Sie sind voll konzentriert, für die Dauer und nicht die Pausen zum schlafen, Essen oder verwenden Sie das Badezimmer.

Im Gegensatz dazu, eine neue open-source-automatisierten Algorithmus entwickelt, der Bildverarbeitung und der Neurowissenschaften Forscher in Duke ‚ s Department of Biomedical Engineering kann genau identifizieren und zu segmentieren Neuronen in Minuten.

„Als ein entscheidender Schritt in Richtung vollständige Kartierung der Aktivität des Gehirns, wir wurden damit beauftragt, die Herausforderung der Entwicklung einer schnellen, automatisierten Algorithmus, der ist so genau wie die Menschen für die Segmentierung eine Vielzahl von aktiven Neuronen abgebildet unter verschiedenen experimentellen settings“, sagte Sina Farsiu, die Paul Ruffin Scarborough Associate Professor für Maschinenbau an der Duke BME.

„Die Daten-Analyse Engpass gibt es in der Neurowissenschaft für eine lange Zeit — Daten Analysten haben verbrachte Stunden und Stunden Minuten Verarbeitung der Daten, aber dieser Algorithmus verarbeiten kann ein 30-minütiges video, in 20 bis 30 Minuten“, sagte Yiyang Gong, assistant professor in Duke BME. „Wir waren auch in der Lage, zu generalisieren und seine Leistung, so kann es funktionieren ebenso gut, wenn wir brauchen, um segment Neuronen aus einer anderen Ebene des Gehirns mit unterschiedlichen neuron Größe oder dichten.“

„Unser tiefes lernen-basierten Algorithmus ist schnell, und ist gezeigt zu sein so genau wie (wenn nicht besser als) menschliche Experten in die Segmentierung aktiv und überlappenden Neuronen aus zwei-Photonen-Mikroskopie-Aufnahmen“, sagte Somayyeh Soltanian-Zadeh, Doktorand in der Herzog BME und erste Autor auf dem Papier.

Deep-learning-algorithmen ermöglichen es Forschern, schnell große Datenmengen verarbeiten, indem Sie Sie durch mehrere Ebenen der nichtlinearen Verarbeitung Einheiten, die ausgebildet werden können, zu identifizieren verschiedene Teile eines komplexen Bildes. In Ihrem Rahmen, dieses team erstellt einen Algorithmus, der konnte sowohl räumliche als auch timing-Informationen in der input-videos. Sie dann ‚trainiert‘ der Algorithmus zu imitieren, die Segmentierung des menschlichen Analytiker, während die Verbesserung der Genauigkeit.

Der Voraus ist ein wichtiger Schritt auf dem Weg zu ermöglichen Neurowissenschaftler verfolgen die neuronale Aktivität in Echtzeit. Wegen Ihrer tool weit verbreitet Nützlichkeit, das team hat Ihre software und kommentierten Datensatz online zur Verfügung.

Gong ist bereits mit der neuen Methode genauer Untersuchung der neuronalen Aktivität im Zusammenhang mit verschiedenen Verhaltensweisen bei Mäusen. Durch ein besseres Verständnis der Neuronen feuern, die für verschiedene Aktivitäten, Gong hofft zu lernen, wie die Forscher manipulieren können, die Aktivität des Gehirns Verhalten zu ändern.

„Diese verbesserte Leistung im aktiven neuron-Erkennung sollte mehr Informationen über das neuronale Netzwerk-und Verhaltens-Staaten, und öffnen Sie die Tür für beschleunigte Fortschritte in den Neurowissenschaften Experimente“, sagte Soltanian-Zadeh.