Des cartes cérébrales peuvent être créées à partir de scans utilisant l’intelligence artificielle
Merci. Écoutez cet article en utilisant le lecteur ci-dessus. ✖
Le Dr Xuyang Jie, professeur au Département d’informatique et d’ingénierie de la Texas A&M University, fait partie d’une communauté de recherche collaborative qui a récemment publié un article intitulé « BigNeuron : une ressource pour mesurer et prédire la performance des algorithmes de suivi automatisé des Neurones in Optical Microscopy Datasets » publié dans le numéro du magazine April les chemins de la nature.
Lancée en 2015 et dirigée par l’Allen Institute for Brain Science, BigNeuron est une initiative internationale qui rassemble des informaticiens et des neuroscientifiques de dizaines d’institutions. Son objectif est de développer un cadre standard pour aider les chercheurs à identifier les meilleures méthodes et algorithmes pour reconstruire rapidement et avec précision les neurones. Ensuite, « bench test » les algorithmes sur de grands ensembles de données d’images à l’aide de superordinateurs.
Le projet aboutira à un vaste ensemble d’images de données de reconstruction neuronale accessibles au public, ainsi qu’à de puissants outils et algorithmes que les chercheurs pourront utiliser dans leurs travaux d’analyse.
Vous voulez plus de nouvelles de dernière minute ?
participer à réseaux technologiquesLa newsletter quotidienne, qui fournit chaque jour des informations scientifiques de dernière heure directement dans votre boîte de réception.
Rien que dans le cerveau humain, il y a des centaines de milliards de neurones, et ils sont interconnectés par des milliers de fines « branches », formant une structure tridimensionnelle. Pour comprendre comment le cerveau fonctionne et change au fil du temps, les scientifiques doivent pouvoir reconstruire numériquement ces structures neuronales pour voir à quoi ressemble chaque neurone de l’image.
En utilisant des microscopes à haute résolution pour capturer des images 3D de neurones individuels, les scientifiques ont développé des moyens entièrement automatisés pour reconstruire les neurones depuis près de 40 ans. Leur reconstitution est restée un défi en raison de la diversité des espèces, de la localisation du cerveau, des stades de développement et de la qualité des collections de micrographies. Ces facteurs rendent difficile la généralisation efficace des algorithmes actuels lorsqu’ils sont appliqués à des tailles d’images obtenues par différents laboratoires.
Pour atténuer ce problème, l’équipe a développé un algorithme automatisé utilisant l’apprentissage en profondeur pour apprendre la forme de chaque neurone dans une image donnée.
En savoir plus sur le projet BigNeuron sur le site Web de l’Allen Institute for Brain Science.
Cet article a été republié à partir de ce qui suit Matiéres. Remarque : La longueur et le contenu de l’article peuvent avoir été modifiés. Pour plus d’informations, veuillez contacter la ressource mentionnée.
