使用深度学习和高分辨率光板显微镜的单个轴突分辨率对整个大脑连接体的定量分析

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
• 绘制大脑地图 绘制大脑地图

背景情况:

• 了解大脑功能需要绘制神经连接的地图.
• 在整个大脑中追踪单个轴突是一个重要的技术障碍.
• 现有的方法缺乏准确性和可扩展性,无法进行全面的连接组分析.

研究的目的:

• 开发一种先进的计算管道,用于绘制大脑范围内的轴突投影.
• 从局部到全球范围内进行神经电路的定量分析.
• 克服在可视化和分析个体轴突路径方面的技术挑战.

主要方法:

• 介绍MAPL3,一个端到端的管道,集成自我监督学习和深度神经网络.
• 应用MAPL3用于捕获本地和全球轴突投射.
• 使用MAPL3进行实验对象和人口水平的定量层状分析.

主要成果:

• MAPL3成功地捕获了本地和全球大脑范围内的轴突投影.
• 与最先进的方法相比,管道表现出卓越的性能.
• MAPL3能够全面地绘制轨道前皮层电路,从单个轴突到整个大脑项目组.

结论:

• MAPL3提供了一个强大的,可通用的工具,用于大脑范围的连接组映射.
• 该管道促进了神经电路的前所未有的定量分析.
• 这一进展对于理解大脑功能,行为和神经系统疾病至关重要.