resumen: Los investigadores han desarrollado un método basado en inteligencia artificial para rastrear las neuronas en animales que se mueven y deforman, un avance importante en la investigación de la neurociencia. El método de la red neuronal convolucional (CNN) supera el desafío de rastrear la actividad cerebral en organismos como los gusanos, cuya forma corporal cambia constantemente.
Mediante el uso de Targeted Augmentation, la IA reduce drásticamente la necesidad de anotación manual de imágenes, simplificando el proceso de identificación de neuronas. Probada en el gusano redondo Caenorhabditis elegans, esta técnica no solo aumentó la eficiencia del análisis, sino que también condujo a conocimientos más profundos sobre comportamientos neuronales complejos.
Hechos clave:
- Tecnología innovadora de IA: El método CNN recopila automáticamente anotaciones y aprende anomalías internas del cerebro para adaptarse a nuevas situaciones.
- Competencia en análisis: Este enfoque triplica el rendimiento del análisis en comparación con la anotación manual completa, lo que ahorra significativamente tiempo y esfuerzo en la investigación.
- Aplicación y resultados: Cuando se aplicó al gusano redondo Caenorhabditis elegans, rico en neuronas, el método reveló comportamientos complejos entre las neuronas y sus respuestas a los estímulos.
fuente: EPFL
Los avances recientes permiten obtener imágenes de neuronas dentro de animales que se mueven libremente. Sin embargo, para decodificar la actividad del circuito, estas neuronas fotografiadas deben identificarse y rastrearse computacionalmente. Esto resulta especialmente difícil cuando el propio cerebro se mueve y se deforma dentro del cuerpo elástico del organismo, por ejemplo en un gusano. Hasta ahora, la comunidad científica ha carecido de las herramientas para abordar este problema.
Ahora, un equipo de científicos de la EPFL y la Universidad de Harvard ha desarrollado un método de IA pionero para rastrear neuronas dentro de animales en movimiento y deformes. El estudio se publica ahora en Los métodos de la naturaleza.dirigido por Sahand Jamal Rahi en la Facultad de Ciencias Básicas de la EPFL.
El nuevo método se basa en una red neuronal convolucional (CNN), un tipo de inteligencia artificial que ha sido entrenada para reconocer y comprender patrones en imágenes. Esto implica un proceso llamado «convolución», que observa pequeñas partes de la imagen (como bordes, colores o formas) a la vez y luego reúne toda esa información para comprenderla e identificar objetos o patrones.
El problema es que para identificar y rastrear neuronas durante una película del cerebro de un animal, muchas imágenes deben etiquetarse manualmente porque el animal parece muy diferente con el tiempo debido a diversas deformidades corporales. Dada la variedad de poses de animales, generar manualmente suficientes anotaciones para entrenar una CNN puede resultar desalentador.
Para abordar este problema, los investigadores desarrollaron una red CNN mejorada que presenta un «impulso dirigido». La innovadora tecnología recopila automáticamente anotaciones confiables como referencia con solo un conjunto limitado de anotaciones manuales. El resultado es que la CNN aprende efectivamente las deformaciones internas del cerebro y luego las usa para generar anotaciones para nuevas situaciones, lo que reduce en gran medida la necesidad de anotaciones manuales y doble validación.
El nuevo método es versátil, ya que es capaz de identificar neuronas, ya sea que estén representadas en imágenes como puntos individuales o como volúmenes 3D. Los investigadores lo probaron en lombrices intestinales. Ciertos tipos son elegantes.que contiene 302 neuronas, lo que lo convierte en un organismo modelo popular en neurociencia.
Utilizando la CNN aumentada, los científicos midieron la actividad en algunas de las interneuronas del gusano (neuronas que conectan señales entre neuronas). Descubrieron que exhiben comportamientos complejos, por ejemplo, cambiando sus patrones de respuesta cuando se exponen a diferentes estímulos, como ráfagas periódicas de olores.
El equipo ha hecho que su CNN sea accesible, proporcionando una GUI intuitiva que integra mejoras específicas, agilizando el proceso de un extremo a otro, desde la anotación manual hasta la revisión final.
«Al reducir significativamente el esfuerzo manual necesario para segmentar y rastrear neuronas, el nuevo método aumenta el rendimiento del análisis tres veces en comparación con la anotación totalmente manual», dice Sahand Jamal Rahi.
«Este avance tiene el potencial de acelerar la investigación en imágenes cerebrales y profundizar nuestra comprensión de los circuitos neuronales y los comportamientos».
Otros contribuyentes
Centro Suizo de Ciencia de Datos
Acerca de las noticias sobre investigación en inteligencia artificial.
autor: Nick Papageorgiou
fuente: EPFL
comunicación: Nick Papageorgiou – EPFL
imagen: Imagen acreditada a Neuroscience News.
Búsqueda original: Los resultados aparecerán en Los métodos de la naturaleza.
. «Aficionado a la música devoto. Adicto al café. Amante de Twitter. Pensador sutilmente encantador. Introvertido sin disculpas».
More Stories
Huellas en China apuntan a un nuevo megaraptor que vagaba con los dinosaurios
La sonda china Chang’e 6 Moon tiene un misterioso invitado a bordo
Un planeta a sólo 41 años luz de la Tierra tiene atmósfera y está cubierto por un océano de magma