详细内容或原文请订阅后点击阅览
当蠕虫和水母蠕动时，新的人工智能工具会跟踪它们的神经元
麻省理工学院的神经科学家推出了三种人工智能工具来增强跟踪和识别实验动物行为的神经元。这些创新提高了神经科学研究的效率和准确性，并在显微镜数据分析中具有更广泛的应用。
来源:Scientific Inquirer了解行为与脑细胞活动之间的联系是神经科学的一个主要目标。为了取得进展，神经科学家经常选择简单、透明的实验动物，因为可以看到它们所有的神经元都发出荧光，以表明它们在动物行为时的电活动。但可见度还不够。当动物在复杂的运动中摆动和扭曲时，精确跟踪每个细胞的位置和身份是一个巨大的挑战。在 eLife 的一项新研究中，麻省理工学院的神经科学家首次推出了三种人工智能工具来解决这个问题。
“在活体行为动物中，我们现在可以随着时间的推移跟踪神经元，甚至确定大多数神经元的确切身份。这对于我们将大脑活动与行为联系起来的目标至关重要，”该研究的资深作者史蒂文·弗拉维尔（Steven Flavell）说，他是 Picower 学习与记忆研究所和麻省理工学院大脑与认知科学系的副教授，也是 HHMI 的研究员。
这三个工具是“BrainAlignNet”，它可以在长时间的图像序列（例如视频）中跟踪细胞； “AutoCellLabeler”，如果经过一些初始训练，它可以识别每张图像中的细胞类型； CellDiscoveryNet，无需任何培训或监督即可识别细胞类型。
Flavell 说，这些工具的功能很大程度上结束了实验室在标记样品中细胞的速度和准确性之间进行选择的需要，为其他实验室如何处理其他大量图像（人体组织或来自其他生物体的样品）提供了一个潜在的模型，可以解决识别细胞类型并在许多图像中跟踪它们的问题。
“如今，人们在显微镜数据中游泳，”弗拉维尔说。 “自动识别每张图像中的所有细胞是很多人都在努力解决的问题。”
瓶颈消失
图片来源：Flavell 实验室/麻省理工学院 Picower 研究所