一个深度学习管道,用于在特拉沃克塞尔光片显微镜中对局部神经元组合的三维大脑范围的映射
Ahmadreza Attarpour1,2,3, Jonas Osmann2,3, Anthony Rinaldi2,3
1Department of Medical Biophysics, University of Toronto, Toronto, Ontario, Canada.
Nature methods
|January 27, 2025
概括
基于人工智能的集合地图 (ACE) 以细胞分辨率映射动物大脑中的神经活动. 这种开源管道提供了无偏见的全脑分析,超出了传统的地图.
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
- 生物成像是一种生物成像.
背景情况:
- 光片光显微镜使得清除的动物大脑能够进行特拉沃克塞尔尺度,细胞分辨率的成像.
- 目前的计算管道很难在各个协议中进行概括,并在特定的层层和子群水平上绘制神经元活动图.
研究的目的:
- 介绍一个基于人工智能的端到端管道,基于人工智能的集合 (ACE) 地图,用于对神经元活动和连接的公正映射.
- 为了能够高精度地绘制神经元组合的整个大脑映射,超越地图书定义的区域.
主要方法:
- 利用了三维深度学习细分模型.
- 采用先进的集群智能统计算法进行分析.
- 开发了一个开源的,端到端的计算管道.
主要成果:
- 在未见的数据集上,ACE展示了高的概括性和性能,与最先进的方法进行验证.
- 在两个神经生物学环境中的应用揭示了亚区域效应,而不是基于图谱的分析.
- 展示了ACE在整个大脑中映射局部或层状神经元活动的能力.
结论:
- ACE提供了一种不偏见的方法,以高精度地绘制局部神经元活动和连接.
- 开源管道促进了神经科学研究中的广泛应用.
- 通过实现详细的全脑分析,ACE增强了先进的大脑成像技术的潜力.
更多相关视频
10:143D Scanning Technology Bridging Microcircuits and Macroscale Brain Images in 3D Novel Embedding Overlapping Protocol
Published on: May 12, 2019
7.2K
08:49Whole-Brain Single-Cell Imaging and Analysis of Intact Neonatal Mouse Brains Using MRI, Tissue Clearing, and Light-Sheet Microscopy
Published on: August 1, 2022
3.5K
