Биомедицинские инженеры из Университета Дьюка разработали автоматизированный процесс, который может отслеживать формы активных нейронов так же точно, как это могут сделать исследователи-люди, но за очень короткое время.
«Узкое место анализа данных существует в нейробиологии долгое время – аналитики данных тратили часы и часы на обработку минут данных, но этот алгоритм может обработать 30-минутное видео за 20–30 минут», – сказал Иян Гун, доцент. в Duke BME. «Мы также смогли обобщить его производительность, чтобы он мог работать одинаково хорошо, если нам нужно сегментировать нейроны из другого слоя мозга с другим размером или плотностью нейронов.”
«Наш алгоритм, основанный на глубоком обучении, работает быстро и демонстрирует такую же точность (если не лучше, чем) человеческих экспертов в сегментировании активных и перекрывающихся нейронов из записей двухфотонной микроскопии», – сказал Сомайе Солтанян-Заде, доктор философии.D. студент в Duke BME и первый автор статьи.
Алгоритмы глубокого обучения позволяют исследователям быстро обрабатывать большие объемы данных, отправляя их через несколько уровней модулей нелинейной обработки, которые можно обучить распознавать различные части сложного изображения. В своей структуре эта команда создала алгоритм, который может обрабатывать как пространственную, так и временную информацию во входных видео. Затем они «обучили» алгоритм имитировать сегментацию человека-аналитика, одновременно повышая точность.
Этот прогресс – важный шаг к тому, чтобы позволить нейробиологам отслеживать нейронную активность в режиме реального времени. Из-за широкой полезности своего инструмента команда сделала свое программное обеспечение и аннотированный набор данных доступными в Интернете.
Гонг уже использует новый метод для более тщательного изучения нейронной активности, связанной с различным поведением мышей. Лучше понимая, какие нейроны активируются для различных действий, Гонг надеется узнать, как исследователи могут манипулировать активностью мозга, чтобы изменить поведение.
«Эта улучшенная производительность в активном обнаружении нейронов должна предоставить больше информации о нейронной сети и поведенческих состояниях, а также открыть дверь для ускоренного прогресса в экспериментах по нейробиологии», – сказал Солтанян-Заде.