一种新的AI技术为移动小鼠的神经成像提供了神经成像

                                                                       

"建立神经元与谨慎动物行为的活动之间的相关性是理解大脑如何编码运动输出的关键步骤,"约翰·霍普金斯大学研究人员写道.

通常,捕获小鼠的神经活动需要限制以防止动物自由移动.该方法的缺点是它可能导致压力,这可能会影响小鼠的大脑活动.此外,这种类型的神经成像排除了需要哺乳动物移动的科学实验,例如通过迷宫,和其他活动导航.

内分激素,也称为扫描两光子(2p)纤维镜,可以在自由移动的小鼠中随时间捕获神经活动的连续成像.然而,内分球镜的采集速度较慢,因为它们的小尺寸限制了更强大的功能.根据研究人员的说法,"成像探针的超紧凑型设计限制了光束扫描仪和成像光学的选择,因此限制了成像帧速率."此外,正常的高频生理活动(例如心跳)可以产生降低精度的图像伪影.

在这项研究中,研究人员旨在创建一个内分泌镜系统,该系统能够以高速自由移动的小鼠进行高分辨率成像.为了提高每秒帧的框架,团队决定减少扫描的积分数量.但是,扫描点的降低会降低图像质量.为了提高图像质量,团队训练了AI算法以识别和生成缺失点.

科学家们改编了一个开源,深度学习平台,以恢复图像质量.具体而言,研究人员使用了基于条件生成对抗网络(CGAN)的深神经网络(DNN).有条件的生成对抗网络通常用于解决图像到图像翻译问题.

"通过提高扫描速度并在数据获取过程中降低扫描速度并在DNN的帮助下降低扫描密度来实现视频速率成像."

.

在人工智能中,生成对抗网络(GAN)是一个深度学习网络,生成具有与提供的培训数据相似的输出.有条件的生成对抗网络是一种类型的GAN,其中图像生成可以在类标签上有条件,从而实现给定类型的图像生成.

"与现有的2P纤维拷贝构型相比,我们将框架速率提高了10倍以上,而不会损害信噪比和成像分辨率,"科学家报道. "帧速率的这种显着改善克服了2p纤维表的关键瓶颈,并将其作为功能神经成像研究的有前途的工具."

>

                                               
0
订阅评论
提醒
0 评论
内联反馈
查看所有评论