使用从计算拓学的离散莫尔斯技术的神经系统过程的骨架化
Samik Banerjee1, Caleb Stam2, Daniel J Tward3
1Cold Spring Harbor Laboratory, Cold Spring Harbor, 11724, New York, USA.
ArXiv
|June 4, 2025
概括
研究人员开发了一种新的计算神经解剖学方法,用于绘制脊椎动物大脑神经网络的地图. 这种方法通过更有意义地分析注入追踪器的神经电路来增强对生物智能的理解.
科学领域:
- 计算神经解剖学的计算神经解剖学
- 神经科学是一个神经科学.
- 计算拓学的计算拓.
背景情况:
- 绘制脊椎动物大脑中中等尺度神经回路的映射对于理解生物智能至关重要.
- 目前使用标记剂注射的方法通过标签强度量化区域预测,这缺乏生物意义.
- 在密集标记的神经网络中追踪单个轴突的困难阻碍了详细的电路分析.
研究的目的:
- 从追踪器数据开发一个生物意义上的神经电路量化.
- 为了弥合单轴子跟踪和批量跟踪器注入数据之间的差距.
- 引入一种新的计算方法来分析神经网络.
主要方法:
- 标记的轴突碎片的骨架化.
- 使用深网和离散莫尔斯 (DM) 技术估计体积长度密度.
- 通过结合非局部连接信息来应用DM技术来提高噪声稳定性.
主要成果:
- 在全脑追踪器注入数据上证明了实用性和可扩展性.
- 开发了一种信息理论测量方法来量化来自单个轴突形态的额外信息.
- DM技术提供了神经投影的噪声强度量化.
结论:
- 拟议的方法提供了神经预测的生物学上有意义的量化,改进了传统的标签强度测量方法.
- 这种方法代表了DM技术在计算神经解剖学的首次应用.
- 该方法通过整合来自追踪器注射和单轴子数据的信息来增强神经网络的分析.


