科学家教计算机如何分析脑细胞

在早期的神经科学研究中,科学家们精心手工染色脑细胞,他们看到的显微镜。快进到2018年,机器可以学习如何做那项工作。根据一项新的研究在细胞中,它可能会教机器如何挑选功能神经元和其他细胞未染色或者其他损害的治疗经历了。这项研究的部分资金由国家神经疾病和中风研究所(研究所),美国国立卫生研究院的一部分。

”这种方法有可能彻底改变生物医学研究,”玛格丽特·萨瑟兰说,在研究所博士项目负责人。“研究人员现在产生的大量的数据。神经科学家,这意味着训练机器来帮助分析这些信息有助于加速我们的理解的细胞大脑的放在一起,在应用程序相关的药物开发。”

一道菜,或文化神经细胞出现统一的肉眼和不同,单个细胞它不能被看到。自从19世纪晚期,当开创性的神经科学家,圣地亚哥·拉蒙-卡哈尔和高尔基,神经系统最早的地图,科学家发展染料和染色方法来帮助区分大脑的结构,包括不同类型的细胞和他们的健康状况。然而,这些方法包括严厉的化学物质,修复,或冻结,细胞处于自然状态或损坏后活细胞多个应用了污渍。传统的技术也限制了科学家可以观察细节。

医学博士领导的研究小组史蒂文·芬克贝涅博士,董事和高级研究员斯顿研究院在旧金山,神经学和生理学教授和加州大学旧金山,探索计算机是否可以被训练来识别结构无污点的细胞。

“每天我们实验室已经创建成百上千的图片,比我们自己可以观察和分析。一天,几个研究人员从谷歌敲我们的门,看看他们能帮助我们,”芬克贝涅博士说这项研究的资深作者。

研究人员使用一个名为深度学习的方法,这依赖于机器学习原理,一种人工智能中机器学习数据并做出决定。面部识别软件的一个例子机器学习.

使用深度学习,有请博士Finkbeiner的团队训练计算机程序分析大脑细胞通过展示它染色和清白的图像。然后,测试程序是否已经学到了什么,研究者们挑战与新的标记图像。

经过第一轮的培训,程序识别细胞位于培养皿通过学习发现细胞核的一个圆形结构,包含遗传信息和作为细胞的指挥中心。额外的实验期间,有请博士Finkbeiner集团增加功能程序的复杂性正在寻找并成功地训练它区分死细胞从活细胞,以及识别特定类型的脑细胞。此外,该计划学会区分轴突和树突,这是两个神经元的特定类型的扩展。结果显示,程序是成功的在预测结构标记组织。

“深度学习需要一个算法,或一组规则,和结构层,识别简单从零件图像的特征,然后将信息传递给其他层识别日益复杂的特性,如模式和结构。这让人想起我们的大脑如何处理视觉信息,“有请博士说Finkbeiner。“深度学习方法能够发现更多的信息比用肉眼可以看到。”

有请博士Finkbeiner和他的团队指出,使用这种技术的主要缺点是需要非常大的训练数据集,理想情况下大约15000的图像。此外,过度训练项目,可能会有风险,他们变得如此专业的他们只能确定结构在特定的图像或图像生成在一个特定的方式,而不是使预测更一般的图像,这可能会限制这项技术的使用。

有请博士Finkbeiner注重和他的同事们计划将这些方法应用到疾病的研究。

“现在,我们表明,该技术是可行的,我们可以在疾病研究中开始使用它。深度学习可能会发现一些细胞,可以帮助预测临床结果,可以帮助我们筛选潜在治疗,“有请博士说Finkbeiner。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。