多伦多大学开发基于人工智能的神经元群体绘图方法

• 全文链接

关键词：

来源：

Nature Methods

全文链接：

//agri.nais.net.cn/topic/downloadFile/0613e265-6a8f-4ef9-8486-4b7a22b2aa5f

来源地址：

https://doi.org/10.1038/s41592-024-02583-1

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-01-27

摘要：

2025年1月27日，多伦多大学Bojana Stefanovic与Maged Goubran研究团队在Nature Method发表题为“A deep learning pipeline for three-dimensional brain-wide mapping of local neuronal ensembles in teravoxel light-sheet microscopy”研究论文，提出了一种基于人工智能（artificial intelligence, AI）的神经元群体绘图方法——ACE（artificial intelligence-based cartography of ensembles）。这是一种端到端的深度学习（deep learning, DL）pipeline，能够自动分析LSFM数据，精准地分割神经元、评估其不确定性，并利用统计算法识别不同脑区的神经元活动模式。相比于现有的图像处理方法，ACE具备更高的泛化能力，可以跨不同实验和数据集进行神经元分析，提供更加细致和可靠的结果。该研究不仅展示了ACE在多个神经科学应用中的卓越表现，还通过冷诱导食物觅食实验和运动实验，证明了ACE能够揭示以往难以检测的局部神经元活动模式。这项突破性的技术为神经科学研究提供了一种强大的新工具，未来或将在脑功能解析、神经疾病研究以及脑机接口（brain-computer interface, BCI）等领域发挥重要作用。