增強(qiáng)型人工智能追蹤移動(dòng)動(dòng)物的神經(jīng)元

最近的進(jìn)展允許對自由活動(dòng)的動(dòng)物體內(nèi)的神經(jīng)元進(jìn)行成像。然而，為了解碼電路活動(dòng)，必須通過計(jì)算來識別和跟蹤這些成像神經(jīng)元。當(dāng)大腦本身在生物體的柔性體內(nèi)移動(dòng)和變形時(shí)，例如蠕蟲，這變得特別具有挑戰(zhàn)性。到目前為止，科學(xué)界還缺乏解決該問題的工具。

現(xiàn)在，來自洛桑聯(lián)邦理工學(xué)院和哈佛大學(xué)的科學(xué)家團(tuán)隊(duì)開發(fā)了一種開創(chuàng)性的人工智能方法來跟蹤移動(dòng)和變形動(dòng)物體內(nèi)的神經(jīng)元。這項(xiàng)研究由洛桑聯(lián)邦理工學(xué)院基礎(chǔ)科學(xué)學(xué)院的 Sahand Jamal Rahi 領(lǐng)導(dǎo)， 現(xiàn)已發(fā)表在《自然方法》雜志上。

新方法基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)，這是一種經(jīng)過訓(xùn)練可以識別和理解圖像模式的人工智能。這涉及到一個(gè)稱為“卷積”的過程，它一次查看圖片的一小部分(例如邊緣、顏色或形狀)，然后將所有這些信息組合在一起以理解它并識別對象或圖案。

問題是在動(dòng)物大腦的中識別和跟蹤神經(jīng)元;許多圖像必須手動(dòng)標(biāo)記，因?yàn)橛捎谠S多不同的身體變形，動(dòng)物隨著時(shí)間的推移顯得非常不同?？紤]到動(dòng)物姿勢的多樣性，手動(dòng)生成足夠數(shù)量的注釋來訓(xùn)練 CNN 可能是一項(xiàng)艱巨的任務(wù)。

為了解決這個(gè)問題，研究人員開發(fā)了一種具有“定向增強(qiáng)”功能的增強(qiáng)型 CNN。這項(xiàng)創(chuàng)新技術(shù)可以從一組有限的手動(dòng)注釋中自動(dòng)合成可靠的注釋以供參考。結(jié)果是，CNN 有效地學(xué)習(xí)了大腦的內(nèi)部變形，然后利用它們?yōu)樾伦藙輨?chuàng)建注釋，從而大大減少了手動(dòng)注釋和雙重檢查的需要。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！