Инженеры-биомедики Университета Джона Хопкинса разработали стратегию обучения искусственному интеллекту (ИИ) для захвата изображений клеток мозга мыши в действии. Исследователи говорят, что система искусственного интеллекта в сочетании со специализированными сверхмалыми микроскопами позволяет точно определить, где и когда клетки активируются во время движения, обучения и памяти. Данные, собранные с помощью этой технологии, когда-нибудь позволят ученым понять, как функционирует мозг и как на него влияют болезни.

Эксперименты исследователя на мышах были опубликованы в Nature Communications 22 марта.

«Когда голова мыши зафиксирована для визуализации, ее мозговая активность может не отражать ее неврологическую функцию», — говорит Синдэ Ли, доктор философии, профессор биомедицинской инженерии в Медицинской школе Университета Джона Хопкинса. «Чтобы составить карту мозговых цепей, которые контролируют повседневные функции у млекопитающих, нам нужно точно увидеть, что происходит между отдельными клетками мозга и их связями, пока животное свободно передвигается, ест и общается».

Чтобы собрать эти чрезвычайно подробные данные, команда Ли разработала сверхмаленькие микроскопы, которые мыши могут носить на макушке. Размеры этих микроскопов составляют пару миллиметров в диаметре и ограничивают возможности технологий обработки изображений, которые они могут нести на борту. По сравнению с настольными моделями у миниатюрных микроскопов низкая частота кадров , что делает их чувствительными к помехам от движения. Такие помехи, как дыхание мыши или частота сердечных сокращений , могут повлиять на точность данных, которые могут зафиксировать эти микроскопы. Исследователи подсчитали, что миниатюрному микроскопу Ли потребуется более 20 кадров в секунду, чтобы устранить все помехи от движения свободно движущейся мыши.

«Есть два способа увеличить частоту кадров, — говорит Ли. «Вы можете увеличить скорость сканирования и уменьшить количество сканируемых точек».

В предыдущем исследовании команда инженеров Ли быстро обнаружила, что они достигли физических пределов сканера, достигнув шести кадров в секунду, что обеспечило отличное качество изображения, но было намного ниже требуемой скорости. Итак, команда перешла ко второй стратегии увеличения частоты кадров — уменьшению количества сканируемых точек. Однако, подобно уменьшению количества пикселей в изображении, эта стратегия заставит микроскоп фиксировать данные с более низким разрешением.

Ли предположил, что программу ИИ можно научить распознавать и восстанавливать недостающие точки, улучшая изображения до более высокого разрешения. Такие протоколы обучения ИИ используются, когда невозможно или требуется много времени для создания компьютерной программы для задачи, такой как надежное распознавание набора признаков как человеческого лица. Вместо этого ученые-компьютерщики используют подход, позволяющий компьютерам учиться программировать себя путем обработки больших наборов данных.

Одной из серьезных проблем в предлагаемом подходе к ИИ было отсутствие похожих изображений мозга мыши, на которых можно было бы обучать ИИ. Чтобы преодолеть этот разрыв, команда разработала двухэтапную стратегию обучения. Исследователи начали обучать ИИ идентифицировать строительные блоки мозга по изображениям фиксированных образцов ткани мозга мыши. Затем они обучили ИИ распознавать эти строительные блоки у живой мыши с ограниченной головой под своим сверхмалым микроскопом. На этом этапе ИИ научился распознавать клетки мозга с естественными структурными вариациями и небольшим движением, вызванным движением дыхания и сердцебиения мыши.

«Мы надеялись, что всякий раз, когда мы собираем данные от движущейся мыши, они все равно будут достаточно похожими, чтобы их могла распознать сеть ИИ», — говорит Ли.

Затем исследователи проверили программу искусственного интеллекта, чтобы увидеть, может ли она точно улучшать изображения мозга мыши, постепенно увеличивая частоту кадров. Используя эталонное изображение, исследователи уменьшили точки сканирования микроскопа в 2, 4, 8, 16 и 32 раза и наблюдали, насколько точно ИИ может улучшать изображение и восстанавливать разрешение изображения.

Исследователи обнаружили, что ИИ может адекватно восстановить качество изображения до 26 кадров в секунду.

Затем команда проверила, насколько хорошо инструмент ИИ работает в сочетании с мини-микроскопом, прикрепленным к голове движущейся мыши. С помощью комбинации искусственного интеллекта и микроскопа исследователи смогли точно увидеть всплески активности отдельных клеток мозга, активируемых мышью при ходьбе, вращении и обычном исследовании окружающей среды.

«Мы никогда раньше не видели эту информацию с таким высоким разрешением и частотой кадров», — говорит Ли. «Эта разработка может позволить собрать больше информации о том, как мозг динамически связан с действиями на клеточном уровне».

Исследователи говорят, что при большем обучении программа ИИ сможет точно интерпретировать изображения со скоростью до 52 или даже 104 кадров в секунду.