最近的進展允許對自由活動的動物體內(nèi)的神經(jīng)元進行成像。然而，為了解碼電路活動，必須通過計算來識別和跟蹤這些成像神經(jīng)元。當大腦本身在生物體的柔性體內(nèi)移動和變形時，例如蠕蟲，這變得特別具有挑戰(zhàn)性。到目前為止，科學界還缺乏解決該問題的工具。
現(xiàn)在，來自洛桑聯(lián)邦理工學院和哈佛大學的科學家團隊開發(fā)了一種開創(chuàng)性的人工智能方法來跟蹤移動和變形動物體內(nèi)的神經(jīng)元。這項研究由洛桑聯(lián)邦理工學院基礎(chǔ)科學學院的 Sahand Jamal Rahi 領(lǐng)導(dǎo)， 現(xiàn)已發(fā)表在《自然方法》雜志上。
新方法基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)，這是一種經(jīng)過訓練可以識別和理解圖像模式的人工智能。這涉及到一個稱為“卷積”的過程，它一次查看圖片的一小部分(例如邊緣、顏色或形狀)，然后將所有這些信息組合在一起以理解它并識別對象或圖案。
問題是在動物大腦的中識別和跟蹤神經(jīng)元;許多圖像必須手動標記，因為由于許多不同的身體變形，動物隨著時間的推移顯得非常不同?？紤]到動物姿勢的多樣性，手動生成足夠數(shù)量的注釋來訓練 CNN 可能是一項艱巨的任務(wù)。
為了解決這個問題，研究人員開發(fā)了一種具有“定向增強”功能的增強型 CNN。這項創(chuàng)新技術(shù)可以從一組有限的手動注釋中自動合成可靠的注釋以供參考。結(jié)果是，CNN 有效地學習了大腦的內(nèi)部變形，然后利用它們?yōu)樾伦藙輨?chuàng)建注釋，從而大大減少了手動注釋和雙重檢查的需要。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！