新软件设计的快速、自动识别的树突棘

显微镜可以学习一些关于大脑?甚至被神经学家教可靠地识别部分脑细胞……都在自己的吗?尽管看起来像是直接从动画片《杰森一家》,神经科学家和软件工程师在实验室里MPFI的科学主任,Ryohei Yasuda博士,博士,是开发新软件的目的,大大提高显微镜用户的日常生活。结合专门的算法,名为与少量的训练神经网络,自动显微镜现在可以有效地识别小神经元被称为树突棘的小隔间里,准确率超过90%。就像罗西的机器人女仆,显微镜配备这个脊椎识别软件正在帮助科学家简化他们的日常工作,使研究未来的一步。

近年来,有迅速扩张和发展强大的成像技术,能够采取一看大脑内部以前所未有的分辨率和灵敏度。单从成像技术,神经系统科学家获得了巨额财富的新大脑的信息。尽管许多进步实现和功能,强大的显微镜(以及软件)运行时仍然缺乏易用性和整体的用户体验。

在一项新的研究发表在《公共科学图书馆•综合》Michael斯米尔诺夫博士,博士创造了一个成像软件,他希望将工艺的新型体验用户。

斯米尔诺夫解释说,“当工程师和科学家设计先进的显微镜,他们通常关注实际的物理组件和设计。他们大多是这些成像技术能做什么感兴趣,他们可以打破界限以及它们是如何执行的。少得多的注意力放在如何将这些复杂的技术可以对普通用户进行访问,真正提高他们的工作流程。每次我写我的软件,我总是先考虑用户;我怎么能改变的人使用它,让他们的研究更容易一些。”

Yasuda实验室研究复杂的过程称为突触可塑性,这被认为是学习和记忆的细胞基础。单一的树突棘刺激时,数以百计的信号分子动员整个神经元携带新信息。实验室的成员详细研究这个过程利用2-photon显微镜,希望深入了解这些分子间的相互作用是怎样转化为记忆。

生活2-photon成像实验可以一个密集的努力。科学家们必须耐心地筛选一个神经元的树突分枝,扫描数以百计的刺的合适候选人的形象。实验经常重复积累足够的数据和那些失败中路必须重新启动。这往往不言而喻的方面可以迅速把长期成像变成一个繁琐,耗时的任务,最终科学进步放缓。

斯米尔诺夫博士的软件旨在拯救单调的神经学家脊柱成像。编织在机器学习的一个元素,该算法可以被教如何区分树突和支柱树突棘在美联储先前确定一组训练数据的刺。一旦培训期间完成,软件能自动扫描通过图像和界定刺它精度高。不像以前开发的程序可以计算密集型或只对成像分析,优化斯米尔诺夫的软件是快速、可伸缩的和兼容大多数住成像装置和分析应用程序。

“我们将机器学习的方法,因为我们想让我们的软件灵活,适应性强和尽可能的易于使用。”Says Smirnov "The program only requires the user to input an image and specify the scale. After that, the program does the rest."

斯米尔诺夫描述,通过自动化的过程脊柱识别,软件有可能大大提高实验工作流程,剃须时间下班时间。此外,他还把他的程序的代码容易获得广泛的社会神经科学。他希望将参与社区的程序员在地里干活,给他们自由的能力改进和定制软件,使其可用于更广泛的应用。

斯米尔诺夫博士指出,科学家MPFI不仅致力于开展卓越基本神经科学研究,也不断寻找方法来提高研究过程;快速跟进新发现和积极影响科学家们的日常生活。