人工智能可以比人类更快地跟踪神经元

科学家们开发了一种基于人工智能 (AI) 的自动化过程，该过程可以在很短的时间内像人类一样准确地跟踪和绘制活动神经元。

该技术在《美国国家科学院院刊》上进行了描述，可解释视频图像，从而解决了神经元分析中的关键障碍。

美国杜克大学的研究人员说，它使研究人员能够快速收集和处理神经元信号，以进行实时行为研究。

为了测量神经活动，研究人员通常使用称为双光子钙成像的过程，该过程使他们能够记录活体动物大脑中神经元的活动。

这些记录使研究人员能够跟踪哪些神经元正在放电，以及它们如何潜在地对应于不同的行为。

虽然这些测量对行为研究很有用，但在记录中识别内神经元是一个艰苦的过程。

当前，最准确的方法需要人类分析人员圈出他们在记录中看到的每个 “火花”，通常需要他们停止并倒带视频，直到识别并保存目标神经元为止。

为了使该过程更加复杂，研究人员通常对仅识别一小部分活动神经元感兴趣，这些神经元在成像的数千个神经元中的不同层重叠。

这个过程称为分割，是繁琐而缓慢的。

研究人员可以在30分钟的视频记录中花费4到24小时的时间来分割神经元，这是假设它们在整个过程中完全集中注意力，并且不休息睡觉，吃饭或上厕所。

相比之下，一种新的开源自动化算法可以在几分钟内准确识别和分割神经元。

杜克大学副教授Sina Farsiu说: “作为实现大脑活动完整映射的关键一步，我们面临着巨大的挑战，即开发一种与人类一样准确的快速自动化算法，用于分割在不同实验环境下成像的各种活动神经元。”

杜克大学的助理教授龚一阳说: “数据分析瓶颈在神经科学中已经存在很长时间了 -- 数据分析人员已经花费了数小时处理数分钟的数据，但是这种算法可以在20到30分钟内处理30分钟的视频。”

Gong说: “我们还能够概括其性能，因此，如果我们需要从另一层具有不同神经元大小或密度的大脑中分割神经元，它可以同样好地运行。”

杜克大学博士生Somayyeh Soltanian-Zadeh说: “我们的基于深度学习的算法速度很快，并且在从双光子显微镜记录中分割活动和重叠神经元方面被证明与人类专家一样准确 (如果不是更好的话)。

深度学习算法允许研究人员通过多层非线性处理单元发送大量数据来快速处理，这些处理单元可以被训练以识别复杂图像的不同部分。

在他们的框架中，团队创建了一种算法，该算法可以处理输入视频中的空间和时序信息。

然后，他们对算法进行了 “训练”，以模仿人类分析师的细分，同时提高了准确性。

进步是使神经科学家能够实时跟踪神经活动的关键一步。

Gong已经在使用新方法来更仔细地研究与小鼠不同行为相关的神经活动。

通过更好地了解哪些神经元会激发不同的活动，龚希望了解研究人员如何操纵大脑活动来改变行为。

另请阅读: 未来人类的大脑可能会直接连接到云网络

Soltanian-Zadeh说: “这种在主动神经元检测中的改进性能应该提供有关神经网络和行为状态的更多信息，并为神经科学实验的加速进展打开了大门。”