深層ニューラルネットワークは,動く神経系と変形する神経系における細胞を登録し,注釈します

科学分野:

• コンピュータ生物学 コンピュータ生物学
• 神経科学は神経科学である.
• バイオメディカルイメージング

背景:

• 複雑な細胞組織を分析するには,多様な細胞タイプを並べて注釈する必要がありますが,これは生物医学画像の重要な課題です.
• 既存の方法は,発達するまたは移動する生物の細胞のダイナミックで異質な性質と闘っています.

研究 の 目的:

• 変形する生物組織における自動化された非硬質登録と細胞識別のための深いニューラルネットワークを開発する.
• 複雑な神経系における細胞タイプを時間とともに正確に結びつけ,アノテーションするためのツールを作成する.

主な方法:

• 開発したBrainAlignNetは,Caenorhabditis elegans神経系の単ピクセルレベルの画像登録のための半監督学習を使用しています.
• トレーニングを受けたAutoCellLabelerは,多スペクトル光データを使用して100以上のニューロン細胞タイプをアノテーションします.
• CellDiscoveryNetを利用して,複数の動物を対象とした多スペクトル画像データを分析することで,無監督の細胞タイプの発見とアノテーションを行いました.

主要な成果:

• BrainAlignNetは99.6%の精度でCaenorhabditis elegansニューロンを時間とともにリンクし,水母データに適応することができました.
• AutoCellLabelerは,98%の精度で,個々のヒトのパフォーマンスを上回る,動物ごとに100以上の細胞タイプを注釈しました.
• CellDiscoveryNetは,C. elegans. の無監督の細胞型発見とアノテーションで,訓練されたヒトラベラーとマッチングした.

結論:

• 発達した深層ニューラルネットワークは,複雑な組織における異質な細胞タイプの自動調整とアノテーションのための強力なツールを提供します.
• これらの方法は,細胞の正確なマッピングと識別を必要とする様々な生物学的研究分野に広く適用できます.
• これらのツールは,複雑な生物学的システムの分析を進めるための大きな可能性を示しています.