最新新闻
新的数学桥梁全息和twistor理论 什么是年金率以及年金如何运作 即使在大型场景中 新的水模拟也能捕捉到细节 科学家使用人工神经网络来预测新的稳定材料 Eagle Materials公司就战略审查计划进行了攀登 接下来的无线通信 计算机芯片本身 为无线传感器网络绘制未来之路 Technologies在明显错误的身份中飙升50,000% 新的无线互联网技术 基于位置的服务协议 紧急链接 确定隧道中无线电的“甜点” Cadence Design Systems预计每股盈利49美分 新的无线标准承诺超快速媒体应用 扎克伯格可能面临Facebook数据泄露的制裁 开发用于动态监测的八通道无线脑电系统 Freeport McMoRan正在进入牛市模式 家庭不再需要充满电缆 我们也不再需要与复杂的技术设备作斗争 Acreage Holdings集团获得了34亿美元的收益 “超宽带”可能是医疗监控的未来 您的无线路由器可以在紧急情况下拯救生命 随着股价的上涨黑石首席执行官施瓦茨曼在一天内创造了5.73亿美元 将未使用的电视频率转换为无线宽带 新的无线网络将彻底改变土壤测试 Jim Cramer如何在交易的第二天玩Pinterest 合并天线和电子设备可提高能源和频谱效率 Zoom以纳斯达克首次亮相每股65美元优惠价81% 智能电路数据传输的世界纪录 台湾半导体的乐观前景是芯片股 报告显示了VPN服务中的IPv6弱点 地平线上的高灵敏度微传感器 股票因强劲的零售销售报告和大多数积极的收益而告终
您的位置:首页 >要闻 >

开源软件实时跟踪神经活动

2019-04-08 17:18:19   来源:

跟踪单个神经元的发射就像试图辨别出谁在一个充满尖叫的球迷的足球场上说什么。直到最近,神经科学家不得不手工繁琐地跟踪每个神经元。

“人们花费更多时间分析他们的数据来提取活动痕迹,而不是实际收集它们,”纽约Flatiron研究所计算生物学中心(CCB)神经科学小组负责人Dmitri Chklovskii说。

一个名为CaImAn的突破性软件工具使用标准计算方法和机器学习技术的组合自动化这一艰巨的过程。在1月发表在eLife杂志上的一篇论文中,该软件的创建者证明了CaImAn在基于钙成像数据检测活跃神经元的位置时实现了近乎人的准确性。

CaImAn(钙成像分析的缩写)已经免费提供了几年,并且已经证明钙成像领域非常宝贵,有超过100个实验室使用该软件。CaImAn的最新版本可在标准笔记本电脑上运行并实时分析数据,这意味着科学家可以在进行实验时分析数据。“我的实验室很高兴能够使用这样的工具,”杜克大学神经科学家约翰皮尔森说,他没有参与软件的开发。

CaImAn是Chklovskii在他的CCB小组中发起的努力的产物。他带来了Eftychios Pnevmatikakis和后来的Andrea Giovannucci带领这个项目。他们的目的是帮助解决由钙成像方法产生的巨大数据集。

该技术涉及向脑组织或培养皿中的神经元添加特殊染料。染料与负责激活神经元的钙离子结合。在紫外线下,染料亮起。荧光仅在染料与钙离子结合时发生,使研究人员可以直观地跟踪神经元的活动。

分析通过钙成像收集的数据是一项重大挑战。这个过程产生了大量的数据 - 每小时高达1TB的闪烁电影 - 很快就会变得无法抗拒。“一位实验者可以在一天内填满最大的商用硬盘,”伦敦大学学院的神经科学家MichaelHäusser说道,他的团队测试了CaImAn。

数据也很吵。就像混合声音一样,来自不同神经元的荧光信号经常重叠,使得难以挑选出单个神经元。此外,脑组织摇摆不定,增加了随着时间的推移追踪相同神经元的挑战。

Pnevmatikakis现在是Flatiron研究所计算数学中心的研究科学家,他首先开始在哥伦比亚大学Liam Paninski实验室开发CaImAn作为博士后基础算法。

“它在数学上很优雅并且做得不错,但我们意识到它并没有很好地推广到不同的数据集,”Pnevmatikakis说。“我们希望将其转变为社区可以使用的软件套件。”这也是他被Flatiron的神经科学小组所吸引的部分原因,Flatiron开发了用于分析大型数据集的新工具。

Pnevmatikakis后来开始与普林斯顿大学的博士后Giovannucci合作,应用该算法跟踪小脑颗粒细胞的活动,这是一个密集的,快速射击的神经元组。“现有的分析工具不足以解开这些神经元群体的活动,并暗示他们都在做同样的事情,”Giovannucci说,他加入CCB神经科学小组三年,帮助开发更广泛使用的软件。“该算法减去背景声音并集中于少数几个,”揭示出个别颗粒细胞确实具有不同的活动模式。

Flatiron Institute的进一步工作磨练了CaImAn的能力,使研究人员更容易使用该软件进行各种实验而无需大量定制。

研究人员最近通过将其结果与人类生成的数据集进行比较来测试CaImAn的准确性。比较证明,该软件在识别活跃神经元方面几乎与人类一样准确,但效率更高。它的快速性使研究人员能够即时调整他们的实验,改进特定神经元束如何促成不同行为的研究。人类数据集还揭示了人与人之间的高度可变性,突出了使用标准化工具分析成像数据的好处。

除了基准测试准确性之外,研究人员还使用人工注释结果作为训练数据集,开发基于机器学习的工具来增强CaImAn包。他们已经公开了这个数据集,因此社区可以使用它来进一步扩展CaImAn或创建新工具。