算法将老鼠的神经连接与关节运动联系起来
为了找到神经活动和身体活动之间的因果关系,神经科学家通常记录动物的行为和它们在受控环境中的大脑活动。然后他们手动注释行为/身体活动和神经活动数据。这是一个效率不高、耗时的过程,是主观的,而且容易造成人为错误,因为它取决于记录观察结果的是谁,因此是不可复制的。
近年来,自动化处理这些数据以提高效率和再现性的趋势日益明显。这正是研究者Waseem Abbas在他的论文中提出的方法,作为UOC的网络和信息技术博士项目的一部分。部分研究已经在三篇论文中发表科学期刊:神经科学方法杂志,传感器和IEEE访问。
本文提出了基于深度学习的处理方法神经活动头部固定小鼠实验数据及行为学观察。我们的目标是让神经科学家能够对行为数据进行注解,并以自动化的方式提取神经模式,并在两者之间建立因果关系。阿巴斯解释说:“我们提出了一种基于深度学习的手势跟踪路径,可以明确编码视频中出现的时间信息。”
研究人员还利用基因编码荧光钙指示剂(GECI)分析了啮齿动物的神经图像。“当神经元活跃时,细胞内的GECI浓度会发生变化,这种变化可以在荧光显微镜下看到,”他继续说道。
这位科学家训练深度学习他开发的算法可以自动记录视频中出现的老鼠肢体运动,也可以检测神经活动图像中的所有活跃神经元。具体地说,他设计它们是为了在任何时候都考虑到时空背景。
跨学科研究
这篇论文的导师大卫·马西普(David Masip)说,这篇论文是跨学科合作的一个例子。“我们与神经科学领域的研究人员合作,帮助将神经连接与关节运动联系起来,这是在体内使用钙基成像可见的,”马西普解释说,他是UOC博士学院的主任,也是计算机科学学院的教授,多媒体和电信以及场景理解和人工智能实验室(SUNAI)集团首席研究员。
据这位科学家说,已经开发出来的方法能够记录大量数据。一方面,移动鼠标的视频,另一方面,大脑数据立方体,需要一个主要的自动化练习,已经成功地进行了新的算法。
下一步是同时训练两组。“如果有一个同步数据集可用,例如,如果我们看到同一只动物同时记录的运动图像和钙数据,我们就可以同时训练这两种方法,看看是否存在任何问题因果关系,”阿巴斯说。
进一步探索
Waseem Abbas等人。使用运动管和深度学习对头固定小鼠进行行为表型的肢体检测和跟踪,IEEE访问(2020)。DOI: 10.1109 / ACCESS.2020.2975926
奥利维亚·乌丁等人。肱旁复合体硬脑膜通过三叉神经节与肱旁连接输入,神经生物学的痛苦(2021)。DOI: 10.1016 / j.ynpai.2021.100060
用户评论