Los ingenieros biomédicos de la Universidad de Duke han desarrollado un proceso automatizado que puede rastrear las formas de las neuronas activas con la misma precisión que los investigadores humanos, pero en una fracción del tiempo.
Esta nueva técnica, basada en el uso de inteligencia artificial para interpretar imágenes de video, aborda un obstáculo crítico en el análisis de neuronas, lo que permite a los investigadores recopilar y procesar rápidamente señales neuronales para estudios de comportamiento en tiempo real.
La investigación apareció esta semana en el Actas de la Academia Nacional de Ciencias .
Para medir la actividad neuronal, los investigadores suelen utilizar un proceso conocido como imágenes de calcio de dos fotones, que les permite registrar la actividad de neuronas individuales en el cerebro de animales vivos. Estas grabaciones les permiten a los investigadores rastrear qué neuronas están disparando y cómopotencialmente corresponden a diferentes comportamientos.
Si bien estas medidas son útiles para estudios de comportamiento, identificar neuronas individuales en las grabaciones es un proceso minucioso. Actualmente, el método más preciso requiere que un analista humano circule cada "chispa" que ven en la grabación, a menudo requiriendo que se detengan yrebobine el video hasta que se identifiquen y guarden las neuronas específicas. Para complicar aún más el proceso, los investigadores a menudo están interesados en identificar solo un pequeño subconjunto de neuronas activas que se superponen en diferentes capas dentro de las miles de neuronas que se toman las imágenes.
Este proceso, llamado segmentación, es quisquilloso y lento. Un investigador puede pasar de cuatro a 24 horas segmentando neuronas en una grabación de video de 30 minutos, y eso es suponiendo que estén completamente enfocados durante todo el tiempo y no tomen descansospara dormir, comer o usar el baño.
En contraste, un nuevo algoritmo automatizado de código abierto desarrollado por investigadores de procesamiento de imágenes y neurociencia en el Departamento de Ingeniería Biomédica de Duke puede identificar y segmentar neuronas con precisión en minutos.
"Como un paso crítico hacia el mapeo completo de la actividad cerebral, se nos encomendó el desafío formidable de desarrollar un algoritmo rápido y automatizado que sea tan preciso como los humanos para segmentar una variedad de neuronas activas fotografiadas en diferentes entornos experimentales", dijo Sina Farsiu, Paul Ruffin Scarborough, Profesor Asociado de Ingeniería en Duke BME.
"El cuello de botella del análisis de datos ha existido en la neurociencia durante mucho tiempo; los analistas de datos han pasado horas y horas procesando minutos de datos, pero este algoritmo puede procesar un video de 30 minutos en 20 a 30 minutos", dijo Yiyang Gong,profesor asistente en Duke BME. "También pudimos generalizar su rendimiento, por lo que puede funcionar igualmente bien si necesitamos segmentar las neuronas de otra capa del cerebro con diferentes tamaños o densidades neuronales".
"Nuestro algoritmo basado en el aprendizaje profundo es rápido, y se demuestra que es tan preciso como si no mejor que los expertos humanos en segmentar neuronas activas y superpuestas a partir de grabaciones de microscopía de dos fotones", dijo Somayyeh Soltanian-Zadeh, PhDestudiante en Duke BME y primer autor del artículo.
Los algoritmos de aprendizaje profundo permiten a los investigadores procesar rápidamente grandes cantidades de datos enviándolos a través de múltiples capas de unidades de procesamiento no lineales, que pueden entrenarse para identificar diferentes partes de una imagen compleja. En su marco, este equipo creó un algoritmo que podríaprocesan información tanto espacial como temporal en los videos de entrada. Luego 'entrenaron' el algoritmo para imitar la segmentación de un analista humano y mejorar la precisión.
El avance es un paso crítico para permitir a los neurocientíficos rastrear la actividad neuronal en tiempo real. Debido a la utilidad generalizada de su herramienta, el equipo ha puesto a disposición en línea su software y conjunto de datos anotados.
Gong ya está utilizando el nuevo método para estudiar más de cerca la actividad neuronal asociada con diferentes comportamientos en ratones. Al comprender mejor qué neuronas disparan para diferentes actividades, Gong espera aprender cómo los investigadores pueden manipular la actividad cerebral para modificar el comportamiento.
"Este rendimiento mejorado en la detección activa de neuronas debería proporcionar más información sobre la red neuronal y los estados conductuales, y abrir la puerta al progreso acelerado en los experimentos de neurociencia", dijo Soltanian-Zadeh.
Fuente de la historia :
Materiales proporcionado por Universidad de Duke . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :