존스 홉킨스 엔지니어들이 마우스의 뇌를 더 깊이 들여다보기 위해 AI를 사용하다

존스 홉킨스의 생물의학 엔지니어 그룹은 마우스의 뇌를 더 깊이 이해하기 위해 인공 지능(AI) 훈련 전략을 개발했습니다. 새로운 전략은 마우스 뇌 세포가 활성화되는 동안 이미지를 캡처합니다.

연구팀에 따르면, AI 시스템은 마우스의 움직임, 학습, 기억 동안 세포가 활성화되는 정확한 위치와 시간을 감지하기 위해 특수한 초소형 현미경과 함께 사용할 수 있습니다. 이 새로운 전략을 사용하여 수집된 통찰력 있는 데이터를 통해 과학자들은 궁극적으로 뇌의 기능과 질병에 대한 영향을 이해할 수 있습니다.

새로운 연구는 네이처 커뮤니케이션즈 저널에 발표되었습니다.

싱데 리(Ph.D.)는 존스 홉킨스 대학교 의과대학의 생물의학 공학 교수입니다.

“마우스의 머리가 이미징을 위해 제한되면, 그 뇌 활동은 실제로 신경계 기능을 대표하지 않을 수 있습니다”라고 리는 말합니다. “일일 기능을 제어하는 뇌 회로를 매핑하기 위해, 우리는 동물이 자유롭게 움직이고, 먹고, 사회화하는 동안 개별 뇌 세포와 그 연결이 정확히 무엇을 하는지 확인해야 합니다.”

초소형 현미경으로 데이터 수집

연구팀은 마우스의 머리 위에 초소형 현미경을 생성하여 자세한 데이터를 수집하려고 했습니다. 그러나 이러한 현미경은 직경이 몇 밀리미터에 불과하므로 이미지 기술의 양을 제한합니다. 마우스의 호흡이나 심박수는 현미경이 수집하는 데이터의 정확성을影响할 수 있으므로, 연구자들은 이러한 간섭을 제거하기 위해 초당 20 프레임 이상의 속도를 초과해야 한다고 추정합니다.

“프레임 속도를 증가시키는 두 가지 방법이 있습니다”라고 리는 말합니다. “스캔 속도를 증가시키고 스캔되는 점수의 수를 감소시킬 수 있습니다.”

엔지니어링 팀은 이전에 스캐너의 물리적 한계인 6 프레임당 초당 속도에 도달한 연구를 수행했습니다. 두 번째 전략에서는 스캔되는 점수의 수를 감소시켜 프레임 속도를 증가시켰습니다. 그러나 이 전략은 현미경이 더 낮은 해상도의 데이터를 캡처하도록 만들었습니다.

AI 프로그램 훈련

리의 가설에 따르면, AI 프로그램은 누락된 점을 인식하고 복원할 수 있도록 훈련될 수 있으며, 이는 더 높은 해상도로 이어질 것입니다. 그러나 이러한 접근 방식의 주요 도전은 마우스 뇌의 유사한 이미지가 AI를 훈련시키기 위해 충분하지 않다는 것입니다.

연구팀은 이를 극복하기 위해 2단계 훈련 전략을 개발했습니다. 첫 번째 단계에서는 AI를 마우스 뇌 조직의 고정 샘플 이미지에서 뇌의 구성 요소를 식별하도록 훈련했습니다. 그런 다음 AI를 머리가 제한된 살아있는 마우스에서 초소형 현미경 아래에서 구성 요소를 인식하도록 훈련했습니다. 이 새로운 기술은 AI가 마우스의 호흡과 심박으로 인한 동적인 변화를 포함하여 자연스러운 구조적 변이를 가진 뇌 세포를 인식하도록 ermög했습니다.

“우리가 움직이는 마우스에서 데이터를 수집할 때, 그것이 여전히 AI 네트워크가 인식할 수 있을 만큼 충분히 유사할 것이라는 것이 우리의希望입니다”라고 리는 말합니다.

연구자들은 AI 프로그램이 마우스 뇌 이미지를 프레임 속도를 증가시키면서 정확하게 향상시킬 수 있는지 확인하기 위해 테스트했습니다. 그들은 AI가 26 프레임당 초당 속도까지 이미지 품질을 복원할 수 있음을 발견했습니다.

마우스가 환경에서 움직이는 동안 개별 뇌 세포의 활성화 스파이크를 볼 수 있도록 마우스에 미니 현미경을 부착하여 AI 도구의 성능을 확인했습니다.

“우리는 이전에 이런 높은 해상도와 프레임 속도로 이러한 정보를 볼 수 없었습니다”라고 리는 말합니다. “이 개발은 뇌가 세포 수준에서 행동과 동적으로 연결되는 방식에 대한 더 많은 정보를 수집할 수 있도록 할 수 있습니다.”

연구팀에 따르면, AI 프로그램은 104 프레임당 초당 속도까지 이미지 해석을 위해 더 많은 훈련을 받을 수 있습니다.