机器学习平台实时识别激活的神经元

杜克大学(Duke University)的生物医学工程师开发了一种自动过程，利用流线型人工智能(AI)识别视频中的活跃神经元，比目前的技术更快、更准确。

这项技术应该能让研究人员在动物行为时实时观察它们的大脑活动。

该作品将于5月20日出版自然机器智能。

研究人员研究神经元活的动物通过一个被称为双光子钙成像的过程，使活跃的神经元看起来像闪光。然而，分析这些视频，通常需要一个人在一个称为分割的过程中，把他们看到的每一个强度的爆发圈起来。虽然这看起来很简单，但这些突发经常在数千个神经元同时被成像的空间重叠。用这种方法分析一段5分钟的视频可能需要几周甚至几个月的时间。

“人们试图弄清楚大脑如何通过记录神经元作为动物的活动来研究两者之间的行为，”本文主要作者益阳功说。“但是手动细分会产生一个大的瓶颈，并且不允许研究人员实时地看到神经元的激活。”

龚凯是生物医学工程的助理教授，新浪·法尔休是生物医学工程的教授，他们之前在2019年的一篇论文中解决了这一瓶颈，他们在论文中分享了深度学习平台的开发，该平台可以在很短的时间内像人类一样准确地绘制活跃的神经元。但由于视频可能有几十gb，研究人员仍需等待数小时或数天才能处理它们。

现在，该团队正在实时使其平台工作。

“我们的目标是改进我们的方法，使其更智能，这样它就可以有针对性地从视频中的重要数据中学习，而不是从所有额外的噪音中分析，”龚说。

为了使他们的方法更加智能，团队开发了在分析之前预处理数据的信号处理算法神经网络。这些算法有助于改善信号 - 到噪声比并去除视频中的背景波动，突出活跃的神经元，同时模糊不活跃的神经元和其他不必要的数据。

该团队还调整了他们的神经网络，以扫描更少的层，因为它不需要太多的数据来学习如何准确地识别和分割激活的神经元。

其结果是系统进行了不同寻常的升级。它不仅比他们之前的工作快一个数量级，而且也稍微更准确一些。

由于他们的平台可以如此迅速地突出活跃的神经元，研究人员可以使用该工具实时检测神经元，并检查特定的激活模式如何与动物行为相匹配。由于工具在神经科学实验，该团队已经在网上发布了一个版本的网络。(链接请)

“而不是等到直到实验结束时，我们网络的速度让我们在实验期间学习事物，”龚说。“我们现在有一种新的潜力来探讨不同类型的刺激如何影响神经元激活和动物行为。”

该团队已经在探索新的方法，以继续改进他们的工具，使其得到更广泛的使用。

“这个算法总是可以进行进一步的优化，”龚说。“我们已经证明，这对于双光子钙成像非常有效，但在神经科学领域有很多不同的光学显微镜，最终我们想要制造一个能够适用于所有这些成像模式的神经网络。”

这项研究得到了BRAIN倡议(NIH 1UF1-NS107678, NSF 3332147)、NIH新创新者计划(1DP2-NS111505)、贝克曼青年研究员计划、斯隆奖学金和Vallee青年研究员计划的支持。球队也感谢朱志晶对太阳的早期描述。

---

---