XiaoMi-AI文件搜索系统
World File Search SystemLSFM
使用 iDISCO+ 和光片荧光显微镜自动绘制和量化神经元活动的优化小鼠大脑图谱
摘要 近年来，全脑免疫标记、光片荧光显微镜 (LSFM) 以及随后的数据与通用参考图谱的配准相结合，已经能够对成年小鼠大脑中的荧光标记或示踪剂进行 3D 可视化和量化。如今，由艾伦脑科学研究所 (AIBS CCFv3) 开发的通用坐标框架版本 3 被广泛用作配准 LSFM 数据的标准大脑图谱。然而，AIBS CCFv3 基于与用于 LSFM 成像的不同组织学处理和成像模式，因此，数据在组织对比度和形态上都不同。为了提高 LSFM 成像全脑数据的配准和量化的准确性和速度，我们基于免疫标记和溶剂透明化的大脑创建了一个优化的数字小鼠大脑图谱。与 AIBS CCFv3 图谱相比，我们的图谱可以更快、更准确地绘制神经元活动图谱，这些神经元活动以 c-Fos 表达为衡量标准，尤其是在后脑中。我们通过比较在瘦小鼠和饮食诱导的肥胖小鼠中急性给予索马鲁肽后 c-Fos 表达的全脑定量变化，进一步证明了 LSFM 图谱的实用性。结合改进的 c-Fos 检测算法，LSFM 图谱能够无偏且计算高效地表征药物对全脑神经元活动模式的影响。总之，我们建立了一个优化的参考图谱，以便更精确地绘制用于 LSFM 处理的小鼠大脑中的荧光标记物（包括 c-Fos）。
分析精酿啤酒偏好和市场细分...
三维（3D）特定细胞种群，蛋白质表达模式或整个大脑水平的病理标记物的可视化代表了神经科学中的宝贵工具。光学投影断层扫描（OPT）和光板荧光显微镜（LSFM）是高分辨率的光学3D成像技术，可以在介质尺寸（MM-CM范围）透明标本中特异性标记的目标可视化（Sharpe等，2002; Dodt et al。，2007年）。因此，这些光学技术非常适合于体内整个啮齿动物脑成像，从而在完整大脑的细胞分辨率下提供信息（Alanentalo等，2007； Hansen等，2020）。与其他功能成像方式一致，OPT和LSFM对其目标表现出很高的灵敏度和特异性，但仅提供非常有限的解剖信息。考虑到大脑的高度分室解剖结构以及这些区域履行的特定作用，至关重要的是能够将OPT或LSFM获得的荧光信号映射到注释的大脑区域。在解剖学上绘制蛋白质表达谱并在这些图像上执行3D定量和统计的可能性将极大地使光学中学成像在神经科学中的应用有益。
![arxiv：2402.00128v2 [CS.CV] 29年2月29日，2024年2月](/simg/g:\will\search\icon\source\0\0c92b1f474dcdb77ec786b56d2d8026655473f57.webp)
arxiv：2402.00128v2 [CS.CV] 29年2月29日，2024年2月
随着计算机视觉的最新进展，似乎是众所周知的驾驶将是现代社会的一部分。但是，仍然有很多问题需要解决。尽管现代的计算机视觉技术表现出卓越的性能，但它们倾向于先提高准确性而不是效率，这是实时应用的关键方面。大型对象检测模型通常会重新检查更高的计算能力，这是通过使用更复杂的板上硬件来实现的。为了自动驾驶，这些要求转化为增加的燃料成本，并最终减少里程。此外，尽管有综合要求，但现有的对象探测器远非实时。在这项研究中，我们评估了我们先前提出的高效的行人探测器LSFM的鲁棒性，这些自主驾驶基准，包括不同的天气条件和夜间场景。此外，我们将LSFM模型扩展为通用对象进行分解，以在交通场景中实现实时对象检测。我们在流量对象检测数据集上评估了其性能，低延迟和综合性。此外，我们解决了对象检测系统在Au sosos驾驶的背景下使用的当前关键性能指标的不足，并提出了一种更合适的替代方案，以结合实时要求。
科普总结
科普摘要 姓名：Johanna Perens 部门：视觉计算 主要指导老师（DTU）：Anders Bjorholm Dahl 主要指导老师（Gubra）：Jacob Heckscher-Sørensen 联合指导老师（DTU）：Tim Bjørn Dyrby 联合指导老师（Gubra）：Casper Gravesen Salinas 项目名称：实现多模态全脑研究以发现药物 项目开始时间：2018 年 12 月 1 日 项目结束时间：2021 年 11 月 30 日 标题：在对抗脑部疾病的斗争中——多模态大脑图谱将不同的大脑成像方法联系起来以有效发现药物 科普摘要：中枢神经系统 (CNS) 疾病会导致生活质量下降、导致预期寿命缩短并带来沉重的公共卫生负担。尽管对疾病机制进行了广泛的研究，但许多中枢神经系统疾病（例如帕金森病、阿尔茨海默病、中风）仍无法治愈，现有治疗方法往往无效或有副作用（例如减肥药物）。其中一个原因是大脑极其复杂。尽管使用现代神经影像学模式对中枢神经系统的结构和功能关系进行了广泛的研究，但合成通过不同技术获得的互补信息一直是一个挑战。尤其困难的是整合从活体动物（体内）和死后组织（离体）获取的神经影像数据集。临床前药物研究中的常见做法是研究大脑对不同挑战（例如禁食、某些任务、物体识别）和化合物的反应活动。这些研究提供了对在此过程中受到刺激的大脑区域的深入了解，因此，这些区域可能是参与潜在生理机制的神经网络的一部分。传统组织学是一种体外成像技术，几十年来一直用于通过标记和计数表达一种名为 c-Fos 的蛋白质的神经元来识别激活区域。与传统组织学相比，体外光片荧光显微镜 (LSFM) 可以对完整大脑中表达 c-Fos 的神经元进行成像，并提供所有激活神经元的 3D 视图。然而，如此大的数据集需要复杂的算法来实现自动、无偏和准确的计算分析，以提取必要的信息。这个博士项目旨在通过创建计算工具来解决这些问题，用于分析和整合通过不同的体内和体外神经成像方式获得的整个啮齿动物大脑图像。在该项目的框架内，开发了一个多模式小鼠大脑图谱，可用于叠加、组合和分析通过体内/体外磁共振成像 (MRI) 和体外 LSFM 获得的小鼠大脑图像。该图谱包含一个坐标系统，它能精确定位活体小鼠大脑中的测量信号，并在临床前脑手术中定位结构。除了小鼠大脑图谱之外，还建立了涉及统计分析的计算流程，以使用 LSFM 量化和比较药物在大脑中的作用。最后，开发的计算工具的价值在使用 LSFM 的临床前药理学研究中得到了证明，其中确定了六种减肥药物的全脑活动概况。开发的计算工具能够在药理学研究中高通量、无偏见地研究药物作用和大脑功能。应用这些工具和药物筛选研究的结果可能有助于开发针对各种中枢神经系统疾病以及肥胖症和相关代谢疾病的新治疗方案。
光子神经探针使微型内窥镜能够进行光...
1 简介 全面了解神经回路和行为背后的神经活动这一目标推动了成像技术的发展，以便以高时空分辨率观察越来越大的组织体积。1 – 5 需要进一步发展以充分利用日益复杂的光遗传学工具，这些工具包括用于光学唤起和抑制神经元活动的多色视蛋白 6、7 和基因编码的活动荧光指示剂（通过钙或电压成像），8 – 11 均具有细胞类型特异性。在众多的单光子和多光子荧光成像技术中，光片荧光显微镜 (LSFM) 已成为一种成熟的技术，可用于对活体标本进行高速、高分辨率、体积光学成像。12 – 15
利用高分辨率三维光学显微镜成像研究小鼠全脑血管的进展
虽然免疫组织化学和电子显微镜研究也揭示了 NVU 主要参与者的重要见解，但这些方式通常仅限于局部大脑区域，因为它们不易应用于全脑研究。然而，一些研究表明，同侧皮质不同区域的细胞组成、能量需求以及多种功能存在很大差异，更不用说大脑的其余部分了。14、15 这表明一个大脑区域的血管特征和组织可能不适用于其他大脑区域。因此，需要对脑血管组织和大脑区域异质性进行网络级和全脑研究，以更好地了解它们的关键功能以及病理条件下的任何潜在脆弱性。幸运的是，技术创新为小鼠全脑脑血管映射研究铺平了道路。虽然方法列表在不断增加，但这里的重点将包括当前几种细胞分辨率离体成像方法的改编，这些方法可以大致分为连续切片的块面成像和光片荧光显微镜 (LSFM)。我们还将讨论作为成像过程不可或缺的一部分的样品处理和血管标记策略。这些成像模式提供了研究脑血管系统细节的方法，每种方式都有自己的优点和局限性。重要的是，这些研究在技术上具有挑战性，不仅在成像方面，而且在需要高水平计算技能的分析流程方面。鉴于此，以及这些模式的快速扩展和我们对脑血管系统重要性的理解，综合最近研究工作中获得的知识和资源已成为必要。
学习和先天威胁规避的全脑投射和前额叶神经元类别的差异编码
要了解大脑如何产生行为，我们必须阐明神经元连接与功能之间的关系。内侧前额皮质 (mPFC) 对决策和情绪等复杂功能至关重要。mPFC 投射神经元广泛侧支，但 mPFC 神经元活动与全脑连接之间的关系尚不清楚。我们进行了全脑连接映射和光纤光度测定，以更好地了解控制雄性和雌性小鼠威胁回避的 mPFC 回路。使用组织透明化和光片荧光显微镜 (LSFM)，我们绘制了投射到伏隔核 (NAc)、腹侧被盖区 (VTA) 或对侧 mPFC (cmPFC) 的 mPFC 神经元群的全脑轴突侧支。我们提出了 DeepTraCE（基于深度学习的追踪与综合增强）来量化透明组织图像中批量标记的轴突投射，以及 DeepCOUNT（基于深度学习的通过 3D U-net 像素标记进行物体计数）来量化细胞体。使用 DeepTraCE 生成的解剖图与已知的轴突投射模式对齐，并揭示了区域内类别特定的地形投射。使用 TRAP2 小鼠和 DeepCOUNT，我们分析了威胁回避背后的全脑功能连接。PL 是与 PL-cPL、PL-NAc 和 PL-VTA 目标位点子集具有功能连接的最高度连接的节点。使用光纤光度法，我们发现在威胁回避过程中，cmPFC 和 NAc 投射器编码条件刺激，但仅在需要采取行动避免威胁时才会编码。mPFC-VTA 神经元编码学习到的但不编码先天的回避行为。总之，我们的研究结果为定量全脑分析提供了新的和优化的方法，并表明解剖学定义的 mPFC 神经元类别在避免威胁方面具有特殊的作用。