增强型人工智能追踪移动动物的神经元

最近的进展允许对自由活动的动物体内的神经元进行成像。然而，为了解码电路活动，必须通过计算来识别和跟踪这些成像神经元。当大脑本身在生物体的柔性体内移动和变形时，例如蠕虫，这变得特别具有挑战性。到目前为止，科学界还缺乏解决该问题的工具。

现在，来自洛桑联邦理工学院和哈佛大学的科学家团队开发了一种开创性的人工智能方法来跟踪移动和变形动物体内的神经元。这项研究由洛桑联邦理工学院基础科学学院的 Sahand Jamal Rahi 领导， 现已发表在《自然方法》杂志上。

新方法基于卷积神经网络(CNN)，这是一种经过训练可以识别和理解图像模式的人工智能。这涉及到一个称为“卷积”的过程，它一次查看图片的一小部分(例如边缘、颜色或形状)，然后将所有这些信息组合在一起以理解它并识别对象或图案。

问题是在动物大脑的中识别和跟踪神经元;许多图像必须手动标记，因为由于许多不同的身体变形，动物随着时间的推移显得非常不同。考虑到动物姿势的多样性，手动生成足够数量的注释来训练 CNN 可能是一项艰巨的任务。

为了解决这个问题，研究人员开发了一种具有“定向增强”功能的增强型 CNN。这项创新技术可以从一组有限的手动注释中自动合成可靠的注释以供参考。结果是，CNN 有效地学习了大脑的内部变形，然后利用它们为新姿势创建注释，从而大大减少了手动注释和双重检查的需要。

标签：