2021年2月1日

算法将老鼠的神经连接与关节运动联系起来

加泰罗尼亚奥贝塔大学

为了找到神经活动和身体活动之间的因果关系，神经科学家通常会在受控环境中记录动物的行为和它们的大脑活动。然后他们手动注释行为/身体活动和神经活动数据。这是一个低效、耗时的过程，是主观的，有利于人为错误，因为它取决于谁在记录观察，因此是不可重复的。

近年来，越来越多的人倾向于自动化处理这些数据，以提高效率和再现性。这正是研究员Waseem Abbas在他的论文中提出的方法，作为UOC网络和信息技术博士项目的一部分。部分研究已经在三篇文章中发表科学期刊: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解决方案神经活动在固定头部的小鼠中观察到的数据和行为数据。其目标是使神经科学家能够对行为数据进行注解，并以自动方式提取神经模式，并建立两者之间的因果联系。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，它明确地对视频中出现的时间信息进行编码。”

研究人员还使用基因编码荧光钙指示剂(GECI)分析了啮齿类动物的神经图像。“当神经元活跃时，细胞内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。

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的肢体运动，也可以检测神经活动图像中所有活跃的神经元。具体来说，他在设计时随时考虑到时空背景。

跨学科研究

这篇论文是跨学科合作的一个例子，论文的导师David Masip说。“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，神经连接在体内可以通过钙基成像看到，”马西普解释说，他是加州大学洛杉矶分校博士学院的主任，也是计算机科学学院的教授。多媒体、电信、场景理解和人工智能实验室(SUNAI)集团首席研究员。

根据这位科学家的说法，已经开发的方法能够记录大量的数据。一方面是移动鼠标的视频，另一方面是大脑数据立方体，这需要一个重要的自动化练习，已经成功地使用了新算法。

下一步是同时训练两组。“例如，如果有一个同步数据集，如果我们看到同一种动物的运动图像和钙数据同时记录，那么我们就可以把这两种方法一起训练，看看是否有任何方法因果关系,”阿巴斯说。