同时估计性多巴胺和血清激素的高时间分辨率在体外使用深度学习

科学领域:

• 神经科学是一个神经科学.
• 分析化学 分析化学
• 生物医学工程 生物医学工程

背景情况:

• 精确测量神经递质水平对于理解大脑功能和疾病至关重要.
• 微透析等现有方法缺乏时间分辨率,而快速扫描循环电压计 (FSCV) 则难以同时测量多个神经递质的强度水平.
• 目前对FSCV的深度学习方法主要集中在相位神经递质度上.

研究的目的:

• 开发和验证一种深度学习模型,用于使用FSCV同时估计强化多巴胺和血清激素水平.
• 为了提高调力神经递质测量的精度和时间分辨率.
• 为同时监测相位和调子神经递质动态提供一个新的工具.

主要方法:

• 通过从FSCV数据中提取的强度信息来训练一个深度学习网络.
• 该模型的性能在体外验证,用于同时估计增强剂多巴胺和血清素度.
• 与传统的背景减去方法进行了比较.

主要成果:

• 与背景减法方法相比,拟议的深度学习模型在估计性神经递质度方面取得了统计学上显著的更高准确性 (p<0.001).
• 该模型表现出优异的预测性能,特别是在测定血清度时 (48 nM误差与73 nM误差).
• 通过使用单个电极,以高时间分辨率同时测量增强性多巴胺和血清激素.

结论:

• 开发的深度学习技术可以准确地同时测量强化多巴胺和血清素水平.
• 这种方法克服了现有技术的局限性,提供了更高的精度和时间分辨率.
• 这种方法对未来的体内应用具有前景,可以同时测量多个神经递质的相位和强度水平.