Последние научные достижения позволяют получать изображения нейронов внутри движущихся животных. Однако, чтобы декодировать активность этих нейронов, необходимо их идентифицировать и отслеживать, что представляет сложность при движении и деформации мозга в гибком организме. Группа ученых из EPFL и Гарварда разработала инновационный метод искусственного интеллекта, основанный на сверточной нейронной сети (CNN), для отслеживания нейронов внутри движущихся и деформирующихся животных.
Этот метод решает проблему необходимости ручной маркировки изображений для обучения CNN, учитывая изменчивость поз животного. Путем создания улучшенной CNN с "целевым расширением", исследователи автоматически синтезировали надежные аннотации для обучения с ограниченным набором ручных маркировок. Это позволяет CNN эффективно изучать внутренние деформации мозга и создавать аннотации для новых поз, сокращая необходимость ручных аннотаций.
Новый метод универсален, способен идентифицировать нейроны в любых представлениях, будь то точечные изображения или трехмерные объемы. Эксперименты проведены на черве Caenorhabditis elegans, где с использованием расширенной CNN измерена активность интернейронов, выявлено их сложное поведение в ответ на различные раздражители.
Эта новая технология, сделанная доступной через графический пользовательский интерфейс, интегрирует целевые дополнения, улучшая процесс от ручной маркировки до окончательной коррекции. По словам Саханда Джамала Рахи, этот прорыв может увеличить производительность анализа мозга в три раза, ускоряя исследования в области визуализации мозга и углубляя понимание нейронных цепей и поведения.
