DeNeRD: ein KI-basierte Methode zum verarbeiten von ganzen Bildern des Gehirns

Forscher an der Universität Zürich, Brain Research Institute haben kürzlich eine Technik entwickelt, um automatisch zu erkennen Neuronen der verschiedenen Arten in einer Vielzahl von Hirnregionen in unterschiedlichen Entwicklungsstadien. Sie präsentiert in diesem deep-learning-basiertes tool, genannt DeNeRD in einem Papier, veröffentlicht in Nature Scientific Reports.

Kartierung der Struktur des säugetier-Gehirns auf zellulärer Ebene ist eine wichtige, aber anspruchsvolle Aufgabe, die in der Regel umfasst das erfassen von bestimmten anatomischen Gegebenheiten an und analysieren Sie. In der Vergangenheit konnten die Forscher versammeln sich mehrere interessante Beobachtungen und Erkenntnisse über das Gehirn von Säugetieren ist die Struktur mit der klassischen histologische und stereologische Techniken. Obwohl diese Methoden haben sich als sehr nützlich für das Studium der Anatomie des Gehirns, die Durchführung einer wirklich Gehirn-weite Analyse erfordert in der Regel einen anderen Ansatz.

Bisher haben Forscher vorgeschlagen, die zahlreiche Methoden zur Analyse der zellulären Zusammensetzung des Gehirns als ganzes, die einschließlich tools für die Erkennung und Zählung der Zellen des Gehirns. Während einige dieser Methoden haben viel versprechende Ergebnisse, die meisten von Ihnen nicht durchführen, wie auch bei der Analyse von hochkomplexen bildgebenden Daten, insbesondere von dichten signal-Regionen. Über die Grenzen der bestehenden Techniken zum erfassen und zählen von Zellen des Gehirns, das team der UZH entwickelte sich eine neue, voll automatisierte Technik für das gesamte Gehirn Bildverarbeitung genannt DeNeRD.

„Notwendigkeit ist die Mutter der Erfindung, und unsere motivation zu entwickeln, die DeNeRD system für neuron-Erkennung im Gehirn Bilder entstanden aufgrund des Fehlens allgemeiner Rahmen, kann problemlos bereitgestellt werden, zu führen Gehirn-weite Analyse,“ Asim Iqbal, einer der Forscher der Durchführung der Studie, sagte TechXplore. „Anstatt sich ausschließlich auf ein computer-vision-basierten Ansatz, beschlossen wir, Sie entscheiden sich für eine machine learning (ML) / künstliche Intelligenz (KI) basierende Technik, die hat einen klaren Vorteil gegenüber der ehemaligen in der Bereitstellung einer skalierbaren und verallgemeinerte Lösung für die Analyse von large scale imaging-Datensätze.“

DeNeRD, die Gehirn-Verarbeitung Technik, entwickelt von Iqbal und seinen Kollegen, ist eine state-of-the-art-Lösung, die angewendet werden können, um eine Vielzahl von Echtzeit-Welt der imaging-Aufgaben, einschließlich Objekt-Klassifizierung, Erkennung und Segmentierung. Der Forscher zeichnete inspiration von einem high-Performance deep neural network bekannt als Schneller R-CNN, das zu den fortschrittlichsten Techniken zur Objekt-Erkennung. In Ihrer Studie, jedoch, Sie optimiert diese deep learning Modell und speziell geschult, zu erkennen Nervenzellen im ganzen Gehirn Bilder von Maus-Gehirne wurden bei verschiedenen Entwicklungs-Alter (z.B. postnatalen Tag P4, P14, , P56, etc.).

Erstens, die Forscher sammelten Daten von Gehirn Bilder und beschriftet Sie, indem bounding-Boxen um Neuronen mit einem einfachen Grafik-Programm. Anschließend werden Sie geschult, Ihre Tiefe neuronale Netz auf diese Bilder, die im wesentlichen der Lehre, die es zu erkennen und zu zählen Gehirnzellen.

Nach Abschluss dieser Ausbildung, die DeNeRD Modell war in der Lage zu führen Gründliche Analysen der whole-brain-Bilder mit automatisierten neuron-Erkennung und-Gehirn-Bild-Registrierung. Iqbal und seine Kollegen untersuchten mit Ihrer Methode in einer Reihe von tests und fand, dass es durchgeführt bemerkenswert gut, die Erkennung von Neuronen gekennzeichnet, die mit verschiedenen genetischen Markern, die über ein breites Spektrum der Bilder, die mit verschiedenen bildgebenden Techniken.

„Unsere Methode ist invariant zum Maßstab, Größe, Form und Intensität der Neuronen im Gehirn Bilder, die ist ideal zum ausführen von neuron-Erkennung mit einem einzigen tiefen neuronalen Netzes für eine Vielzahl von brain imaging der Proben,“ Iqbal sagte. „Darüber hinaus ist unsere Methode übertrifft vorhandene neuron-detection-Methoden, indem Sie einen minimalen Fehler und eine hohe mittlere Präzision.“

In der Zukunft könnte diese Technik eingesetzt werden, durchzuführen und vertiefende Analysen des säugetier-Gehirns, schnell und automatisch. Interessanterweise DeNeRD ist die Leistung allgemein, und das bedeutet im wesentlichen, dass neue Benutzer nicht brauchen, um zu sammeln, neue datasets, beschriften Sie Sie und nachschulungen für das neuronale Netz, bevor Sie es verwenden können.