约翰·霍普金斯大学工程师利用人工智能深入研究小鼠大脑

约翰·霍普金斯大学的一组生物医学工程师开发了一种人工智能 (AI) 训练策略，以更深入地了解小鼠的大脑。 新策略捕获活跃的小鼠脑细胞的图像。 

该团队表示，人工智能系统可以与专门的超小型显微镜一起使用，准确检测细胞在运动、学习和记忆过程中何时何地被激活。 通过利用这种新策略收集有洞察力的数据，科学家最终可以了解大脑如何运作以及如何受到疾病的影响。 

这项新研究发表在杂志上 自然通讯. 

李兴德博士是约翰·霍普金斯大学医学院生物医学工程教授。 

“当小鼠的头部被限制进行成像时，其大脑活动可能无法真正代表其神经功能，”李说。 “为了绘制控制哺乳动物日常功能的大脑回路，我们需要准确地了解当动物自由走动、进食和社交时，各个脑细胞及其连接之间发生了什么。”

使用超小型显微镜收集数据

研究小组开始通过制造可以放置在小鼠头顶上的超小型显微镜来收集详细数据。 尽管如此，显微镜的直径只有几毫米，因此限制了可携带的成像技术的数量。 老鼠的呼吸或心率也可能影响显微镜捕获的数据的准确性，因此研究人员估计他们需要每秒超过 20 帧才能消除此类干扰。

“有两种方法可以提高帧速率，”李说。 “您可以提高扫描速度，也可以减少扫描点数。” 

工程团队之前进行了研究，他们达到了扫描仪每秒六帧的物理极限。 在第二种策略中，他们通过减少扫描点数来提高帧速率。 这种策略导致显微镜捕获较低分辨率的数据。 

训练人工智能程序

根据李的假设，人工智能程序可以被训练来识别和恢复缺失的点，这将导致更高的分辨率。 然而，这种方法的主要挑战之一是缺乏类似的小鼠大脑图像来训练人工智能。 

该团队着手通过制定两阶段培训策略来克服这一问题。 第一个训练人工智能从小鼠脑组织固定样本的图像中识别大脑的构建模块。 然后，他们训练人工智能识别超小型显微镜下头部受约束的活体小鼠的构建模块。 这项新技术使人工智能能够识别具有自然结构变化的脑细胞以及由小鼠呼吸和心跳引起的运动。 

“我们的希望是，每当我们从移动的鼠标收集数据时，它仍然足够相似，足以让人工智能网络识别，”李说

研究人员测试了人工智能程序，以确定它是否可以通过逐步提高帧速率来准确增强小鼠大脑图像。 他们发现人工智能可以以每秒 26 帧的速度恢复图像质量。 

为了了解人工智能工具在连接到小鼠的微型显微镜上的表现，研究人员能够观察小鼠在其环境中移动所激活的单个脑细胞的活动峰值。 

“我们以前不可能以如此高分辨率和帧速率看到这些信息，”李说。 “这一进展可以收集更多关于大脑如何与细胞水平上的行动动态连接的信息。”

据该团队称，AI 程序可以接受更多训练，以准确解释高达每秒 104 帧的图像。