通过深度学习方法揭示的细胞架构景观促进了小鼠新皮质的精确定位

科学领域:

• 神经科学是一个神经科学.
• 计算生物学 计算生物学
• 脑部成像 脑部成像

背景情况:

• 由于新皮质的复杂结构,由于缺乏明确的地标,在精确定位皮质区域方面存在挑战.
• 准确的解剖参考对于理解大脑功能和发育至关重要.

研究的目的:

• 开发和验证小鼠新皮质的细胞架构地标识别管道.
• 为了实现神经元分布和形态学的详细3D分析.
• 研究皮质区域与年龄相关的结构变化.

主要方法:

• 利用光微光切割断层扫描来对染色的小鼠大脑进行全脑成像.
• 采用快速的3D卷积网络,在整个新皮层中对神经元体进行细分.
• 分析了3D细胞架构特征和神经元形态,独立于切割角度.

主要成果:

• 生成的分布图可视化神经元数量和形态类型,定义细胞架构景观并识别像桶皮层这样的地标.
• 在不同年龄段成功调整皮质区域,揭示了老化过程中皮质皮层的结构变化.
• 观察到状神经元的时空梯度分布,特别是在主要视觉区域的深层,随着时间的推移比例下降.

结论:

• 开发的管道有效地识别了新皮层细胞架构的地标,改善了结构理解.
• 这种方法有助于研究神经元组织,与年龄相关的变化和区域专业化.
• 这些发现为进一步的神经科学探索提供了基础,使用先进的成像和计算分析.