2月 26, 2024

FUTSALNET

日本からの最新ニュースと特集:ビジネス、政治、解説文化、ライフ&スタイル、エンターテインメント、スポーツ。

人工知能は移動する動物の神経追跡に革命をもたらしています

人工知能は移動する動物の神経追跡に革命をもたらしています

まとめ: 研究者らは、動いたり変形したりする動物のニューロンを追跡する人工知能ベースの方法を開発した。これは神経科学研究における大きな進歩である。 畳み込みニューラル ネットワーク (CNN) 手法は、体の形状が常に変化する線虫などの生物の脳活動を追跡するという課題を克服します。

Targeted Augmentation の使用により、AI は手動で画像に注釈を付ける必要性を劇的に減らし、ニューロンを識別するプロセスを簡素化します。 回虫 Caenorhabditis elegans でテストされたこの技術は、分析の効率を向上させるだけでなく、複雑な神経の挙動についてのより深い洞察にもつながりました。

重要な事実:

  1. 革新的な AI テクノロジー: CNN メソッドは、注釈を自動的に収集し、新しい状況に適応するために内部の脳の異常を学習します。
  2. 分析能力: このアプローチにより、完全な手動アノテーションと比較して分析スループットが 3 倍になり、調査の時間と労力が大幅に節約されます。
  3. アプリケーションと結果: この方法をニューロンが豊富な回虫 Caenorhabditis elegans に適用すると、ニューロン間の複雑な挙動と刺激に対するニューロンの反応が明らかになりました。

ソース: EPFL

最近の進歩により、自由に移動する動物内のニューロンのイメージングが可能になりました。 ただし、回路活動を解読するには、これらの画像化されたニューロンをコンピュータによって識別し、追跡する必要があります。 これは、脳自体が生物の弾性体内で移動および変形する場合、たとえば線虫などの場合に特に困難になります。 これまで、科学界にはこの問題に対処するツールがありませんでした。

今回、EPFL とハーバード大学の科学者チームは、動いたり変形したりする動物の体内のニューロンを追跡するための先駆的な AI 手法を開発しました。 この研究は現在、 自然の手法、EPFL基礎科学部のサハンド・ジャマル・ラヒ氏が率いる。

研究者たちは、動いたり変形したりする動物の体内のニューロンを追跡する先駆的な人工知能手法を開発しました。 画像出典:神経科学ニュース

新しい手法は、画像内のパターンを認識して理解するように訓練された人工知能の一種である畳み込みニューラル ネットワーク (CNN) に基づいています。 これには「畳み込み」と呼ばれるプロセスが含まれます。このプロセスでは、エッジ、色、形状などの画像の小さな部分を一度に調べ、そのすべての情報をまとめて理解してオブジェクトやパターンを識別します。

問題は、動物の脳の動画中にニューロンを特定して追跡するには、動物のさまざまな体の変形により時間の経過とともに大きく異なって見えるため、多くの画像を手動でラベル付けする必要があることです。 動物のポーズが多様であることを考えると、CNN をトレーニングするのに十分なアノテーションを手動で生成するのは困難な場合があります。

この問題に対処するために、研究者らは「ターゲット ブースティング」を特徴とする改良された CNN ネットワークを開発しました。 この革新的なテクノロジーは、限られたセットの手動注釈のみを使用して、参照用の信頼できる注釈を自動的に収集します。 その結果、CNN は脳の内部変形を効果的に学習し、それを使用して新しい状況に対する注釈を生成し、手動による注釈や二重検証の必要性を大幅に削減します。

新しい方法は、ニューロンが画像内で個々の点として表現されているか、3D ボリュームとして表現されているかにかかわらず、ニューロンを識別できるため、多用途です。 研究者らは回虫でそれをテストした 特定のタイプはエレガントです、これには 302 個のニューロンが含まれており、神経科学で人気のモデル生物となっています。

研究者らは、拡張された CNN を使用して、ワームの介在ニューロン (ニューロン間の信号を接続するニューロン) の一部の活動を測定しました。 研究者らは、周期的な臭気の爆発など、さまざまな刺激にさらされると反応パターンが変化するなど、複雑な行動を示すことを発見した。

チームは CNN をアクセスしやすくし、ターゲットを絞ったブースティングを統合する直感的な GUI を提供し、手動による注釈から最終校正までエンドツーエンドのパイプラインのプロセスを合理化しました。

「ニューロンのセグメント化と追跡に必要な手動の労力を大幅に削減することで、この新しい方法では、完全に手動でアノテーションを付ける場合と比較して、分析のスループットが 3 倍向上します」と Sahand Jamal Rahi 氏は述べています。

「この画期的な進歩により、脳画像化の研究が加速し、神経回路と神経行動についての理解が深まる可能性があります。」

他の寄稿者

スイス データ サイエンス センター

人工知能研究ニュースについて

著者: ニック・パパジョージオウ
ソース: EPFL
コミュニケーション: ニック・パパジョルジオ – EPFL
写真: 画像提供:Neuroscience News

元の検索: 結果は以下に表示されます 自然の手法

READ  物理学者は、永遠に続くことができる原子レーザーを構築しています