机器学习识别电镜图片中的突触


NeuroTimes | Dec. 31, 2015


Credits: Saket Navlakha and Alison L. Barth


电镜经常用来识别和分析突触的结构,以此来重建神经回路。但电镜得到的图片需要人工来重构,导致大量的数据要人力来完成分析。因此研究人员通常只能分析其中很小的一块区域。

卡内基·梅隆大学的研究人员开发了新的研究方法,来研究学习相关的突触变化特性,作为封面文章发表在Journal of Neuroscience上。

他们使用机器学习算法,分析了约25000张大脑皮层的电镜图片,约40000个突触,让他们可以从整个皮层中识别突触。与之前介绍的EyeWire 使用人力辅助机器学习识别神经元不同,这个研究使用了cytochrome oxidase(细胞色素氧化酶)特异性染色来突出突触结构,从而让算法更容易分辨电镜中的突触。

虽然分辨率有所降低,但通过这种方法,可以对一大片皮层区域进行分析,用于观察病情发展、观察药物效果有更大的作用。




分享到


© 2014-2015 NeuroTimes