A neurociência avançou muito, permitindo-nos compreender a fiação dos neurônios no cérebro. Os neurônios têm dendritos e axônios, estruturas semelhantes a ramos que conectam os neurônios. Compreender este mapeamento é importante para revelar como o cérebro processa a informação, apoia a cognição e controla o movimento, o que tem implicações para a investigação em neurociência e para o tratamento de doenças neurológicas. A imagem em mesoescala é uma técnica avançada que nos permitiu compreender esses mecanismos neuronais. Apesar dos avanços, criar um mapa cerebral abrangente e conectoma é um desafio, pois é um processo muito complexo e demorado. Por exemplo, um único neurônio de camundongo pode levar até 20 horas para ser mapeado manualmente, tornando quase impossível a criação de mapas completos em escala cerebral, mesmo de uma única espécie, sem soluções automatizadas. A equipe de pesquisa desenvolveu uma nova estrutura, NeuroFly, que automatiza a reconstrução de neurônios.
Esforços anteriores, como o desafio DIADEM e o projeto BigNeuron, avançaram muito no processo de reconstrução de neurônios, mas enfrentaram desafios significativos com conjuntos de dados grandes e complexos. O desafio DIADEM visa avaliar algoritmos de reconstrução de neurônios usando conjuntos de dados padronizados. No entanto, não foi possível explicar totalmente a escala necessária para analisar terabytes de dados para reconstruir um cérebro completo. O projeto BigNeuron, baseado no desafio DIADEM, desenvolveu ainda mais os objetivos e métodos de teste. Detalhes neuronais complexos requerem condições adicionais de imagem do mundo real que o algoritmo não pode acomodar.
As ofertas da NeuroFly são as seguintes:
- Pipeline simples de classificação, conexão e teste de evidências: NeuroFly enquadra o processo de reconstrução de neurônios como um fluxo de trabalho sistemático composto de três fases principais:
- Classificação: As estruturas dos neurônios são isoladas do tecido cerebral circundante na imagem 3D e identificadas usando técnicas automatizadas avançadas. Esses pedaços de neurônios ainda não estão totalmente formados.
- Conexão: NeuroFly usa um método de rastreamento de imagem baseado em 3D para conectar esses componentes para formar neurônios totalmente funcionais. Este processo também possui dados incompletos ou imagens fragmentadas.
- Verificando evidências: Este é o último mas importante passo, pois as pessoas verificam esses componentes e suas conexões para eliminar a possibilidade de erros.
- Alguns conjuntos de dados são específicos do modelo e escaláveis: As conexões neuronais variam de espécie para espécie e para diferentes regiões do cérebro. Isso motivou os pesquisadores a incluir diversos conjuntos de dados, incluindo diferentes modalidades de imagem e condições biológicas. Além disso, os dados foram coletados seguindo um protocolo rígido, o que permite a adição de novos tipos ou técnicas de imagem no futuro.
- O método baseado em imagem 3D é o seguinte: Os métodos tradicionais lutaram com o problema das lacunas na conectividade dos neurônios nos dados. Usando a seguinte abordagem baseada em imagens 3D, o NeuroFly simplificou a criação de vias neuronais incompletas. Este processo envia pequenos agentes visuais para o final de cada segmento de neurônio, seguindo sinais dos dados de imagem circundantes. Esses sinais os ajudam a se comunicar com segmentos adjacentes ou a evitar ruídos de fundo, garantindo que as estruturas dos neurônios sejam contínuas e precisas, mesmo quando os dados estão incompletos.
Os resultados do NeuroFly demonstram os benefícios de conjuntos de dados específicos de modelos para alcançar alta precisão em diferentes cenários de reconstrução. Nos testes, a estrutura teve uma razão F1 média de 0,913 para a reconstrução de estruturas complexas de neurônios em vários modelos, o que excede significativamente os conjuntos de dados padrão usados em estudos anteriores. O método de rastreamento 3D do NeuroFly também fecha com eficácia as lacunas entre os segmentos de neurônios, criando um esquema sensível para reduzir erros de reconstrução. Esta alta precisão acelera a reconstrução de neurônios e estabelece uma nova referência para programas futuros relacionados ao mapeamento cerebral completo de neurônios.
Concluindo, o NeuroFly melhora a reconstrução de neurônios usando conjuntos de dados específicos do modelo e um pipeline de várias etapas que melhora a precisão e a escalabilidade. A estrutura permite aos pesquisadores identificar problemas específicos de reconstrução, distinguindo entre segmentação de neurônios e erros de comunicação. As contribuições da NeuroFly marcam um avanço no mapeamento de neurônios, com implicações para uma melhor compreensão da comunicação e função cerebral. À medida que a estrutura continua a evoluir, está preparada para se tornar uma ferramenta importante na construção de conexões mais abrangentes, melhorando o nosso conhecimento da complexa rede do cérebro.
Confira Papel de novo GitHub. Todo o crédito deste estudo vai para os pesquisadores deste projeto. Além disso, não se esqueça de nos seguir Twitter e junte-se ao nosso Estação telefônica de novo LinkedIn Gracima. Se você gosta do nosso trabalho, você vai gostar do nosso jornal.. Não se esqueça de participar do nosso SubReddit de 55k + ML.
[Upcoming Live LinkedIn event] 'Uma plataforma, possibilidades multimodais', onde o CEO da Encord, Eric Landau, e o chefe de engenharia de produto, Justin Sharps, falarão sobre como estão revitalizando o processo de desenvolvimento de dados para ajudar as equipes a construir modelos de IA multimodais revolucionários, rapidamente'
Afeerah Naseem é estagiária de consultoria na Marktechpost. Ele está cursando bacharelado em tecnologia no Instituto Indiano de Tecnologia (IIT), Kharagpur. Ele é apaixonado por Ciência de Dados e fascinado pelo papel da inteligência artificial na resolução de problemas do mundo real. Ele adora descobrir novas tecnologias e explorar como elas podem tornar as tarefas diárias mais fáceis e eficientes.
Ouça nossos podcasts e vídeos de pesquisa de IA mais recentes aqui ➡️
