自动识别描述神经形态的数字重建的科学出版物
Patricia Maraver1,2, Carolina Tecuatl1,2, Giorgio A Ascoli3,4
1Bioengineering Department; College of Engineering and Computing, George Mason University, Fairfax, VA, USA.
Brain informatics
|September 8, 2023
概括
一个新的工具使用人工智能自动识别与神经形态学研究相关的科学文章. 这种由人工智能驱动的方法显著加快了生物保养,将数据发现的速度翻一番,同时减少了人工的努力.
科学领域:
- 计算神经科学是一种神经科学.
- 生物信息学是一种生物信息学.
- 科学数据管理科学数据管理
背景情况:
- 科学出版物的快速增长对生物修复工作提出了重大挑战,特别是对于像NeuroMorpho.Org.这样的大型数据库.
- 每年手动选数千篇文章以识别数字重建的神经形态的相关数据是资源密集和耗时的.
研究的目的:
- 开发和评估一个使用自然语言处理和深度学习的自动化工具,以准确评估出版物对生物保护项目的相关性.
- 提高神经科学研究数据发现的效率和可扩展性.
主要方法:
- 实施自然语言处理 (NLP) 和深度学习模型,根据其与数字神经形态重建的相关性对科学文章进行分类.
- 在大量科学文献上测试该工具的准确性和处理速度.
主要成果:
- 该自动化工具在识别描述数字重建的神经形态的相关文章时达到很高的准确性.
- 该工具以每小时900篇文章的速度处理出版物,使新研究能够有效地跟踪和清除积压.
- 使用该工具的生物治疗努力导致识别的生物实体几乎翻了一番,手工劳动大幅减少.
结论:
- 开发的分类工具有效地应对了增加生物保养领域出版量所面临的挑战.
- 该工具的开源性,可配置性和用户友好性使其适用于超越神经形态学的各种生物修复项目.
