人工智能驱动的小鼠行为跟踪及其用于基于阿尔茨海默病小鼠模型中海马体合奏活动的神经元多重分析的应用

科学领域:

• 神经科学是一个神经科学.
• 人工智能的人工智能
• 生物信息学是一种生物信息学.

背景情况:

• 了解大脑功能需要将神经活动与行为联系起来.
• 目前的老鼠行为注释方法是主观的,耗时的.
• 需要先进的AI工具来提高数据的准确性和效率.

研究的目的:

• 开发和验证一个由人工智能驱动的系统,用于准确的鼠标行为跟踪和分类.
• 将人工智能驱动的行为分析与神经活动记录相结合.
• 在阿尔茨海默病模型中探索神经电路动力学.

主要方法:

• 利用YOLO神经网络从RGB中准确跟踪鼠标.
• 在10,000多个上训练了AI模型,以分类坐着,跑步和理等行为.
• 结合AI行为标签与光显微镜和多重分析用于神经活动评估.

主要成果:

• 人工智能模型准确地分类了关键的小鼠行为.
• 在转基因5xFAD阿尔茨海默氏症模型小鼠中发现了明显的海马神经元活动模式.
• 该系统提供统计指标和数据可视化工具,用于增强解释.

结论:

• 人工智能驱动的行为分析显著提高了神经科学研究的准确性和效率.
• 这种开源软件有助于更深入地了解神经电路动力学和疾病模型.
• 综合方法推进神经信号与复杂行为的相关性.