人工智能单打优于人类的神经元

Duke大学的生物医学工程师开发了一种自动化过程，可以随着人类研究人员可以准确地追踪活性神经元的形状，而是在一小部分时。

这新技术，基于使用人工智能来解释视频图像，解决神经元分析中的关键障碍，允许研究人员快速收集和处理神经元信号以进行实时行为研究。

该研究本周出现了国家科学院的诉讼程序。

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有用，但识别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本感兴趣。

这个过程称为分段，是挑剔和慢的。一名研究人员可以在30分钟的视频录制中从四到24小时的分割神经元花费，这是假设它们完全集中在持续时间，不要休息，吃或使用浴室。

相比之下，一个新的开源自动化算法由开发图像处理和Duke的生物医学工程系的神经科学研究人员可以在几分钟内准确识别和分段神经元。

“作为朝向脑活动的完全映射的关键步骤，我们的任务是开发快速自动化算法的强大挑战，该算法与人类一样准确，用于分割在不同实验设置下成像的各种活性神经元，”Sina Farsiu说：Paul Ruffin Scarborough在Duke BME担任工程教授。

“具有长时间数据分析师的神经科学中存在数据分析瓶颈已经花费了数小时和小时的数据分钟，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yiyangg龚说在公爵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进行同等运行。”

“我们深入的基于学习的算法很快，并且被证明是（如果不是好于）人类专家在分割活性和重叠的神经元中，来自双光子显微镜录音，”Somayyeh·洛拉坦 - Zadeh表示，Somayyeh Soltanian -Zade说。学生在公爵BME和纸上的第一作者。

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“培训”算法模仿人类分析师的分割，同时提高了准确性。

前进是允许神经科学家实时跟踪神经活动的关键步骤。由于其工具的普遍用处，团队已在线提供其软件和注释数据集。

锣已经使用了新方法来更加密切地研究神经活动与小鼠的不同行为相关联。通过更好的理解神经元对不同活动的火灾，龚希望了解研究人员如何操纵大脑活动以修改行为。

“这种有源神经元检测中的改进性能应提供有关神经网络和行为状态的更多信息，并在神经科学实验中打开大门以加速进展，”Soltanian -Zadeh说。

---

---