Selon une étude publiée dans Proceedings of the National Academy of Sciences, les ingénieurs biomédicaux du Duke University ont mis au point un processus automatisé capable de tracer la forme des neurones actifs aussi précisément que le peuvent les chercheurs humains, mais en une fraction du temps.
Selon les chercheurs, cette nouvelle technique, basée sur l’utilisation de l’intelligence artificielle pour interpréter les images vidéo, aborde un obstacle majeur dans l’analyse neuronale, permettant aux chercheurs de rassembler et de traiter rapidement des signaux neuronaux pour des études comportementales en temps réel.
Comme le soulignent les chercheurs, pour mesurer l'activité neuronale, ces derniers utilisent généralement un processus appelé imagerie du calcium à deux photons (two-photon calcium imaging), qui leur permet d'enregistrer l'activité de neurones individuels dans le cerveau d'animaux vivants. Ces enregistrements permettent aux chercheurs de savoir quels neurones sont activés et comment ils correspondent potentiellement à différents comportements.
Bien que ces mesures soient utiles pour les études comportementales, l'identification des neurones individuels dans les enregistrements est un processus fastidieux. Actuellement, la méthode la plus précise nécessite qu'un analyste humain entoure chaque "étincelle" qu'il détecte dans l'enregistrement, en leur demandant souvent d'arrêter et de rembobiner la vidéo jusqu'à ce que les neurones ciblés soient identifiés et sauvegardés. Pour compliquer davantage le processus, les chercheurs sont souvent intéressés par l'identification d'un petit sous-ensemble de neurones actifs qui se chevauchent dans différentes couches au sein des milliers de neurones imagés.
Ce processus, appelé segmentation, est complexe et lent. Un chercheur peut passer de quatre à 24 heures à segmenter les neurones en un enregistrement vidéo de 30 minutes, en supposant qu'ils soient parfaitement concentrés pendant toute la durée et qu'ils ne prennent pas de pause. En revanche, un nouvel algorithme automatisé open source développé par les chercheurs peut identifier et segmenter avec précision les neurones en quelques minutes.
Selon les chercheurs, leur algorithme basé sur l'apprentissage en profondeur est rapide. Ces derniers soulignent qu'il est aussi précis que les experts humains dans la segmentation des neurones actifs et qui se chevauchent à partir d'enregistrements au microscope à deux photons
Les algorithmes d'apprentissage en profondeur permettent aux chercheurs de traiter rapidement de grandes quantités de données en les envoyant à travers plusieurs couches d'unités de traitement non linéaires, lesquelles peuvent être formées pour identifier différentes parties d'une image complexe. Les chercheurs ont créé un algorithme capable de traiter à la fois les informations spatiales et temporelles dans les vidéos d'entrée. Ils ont ensuite «formé» l'algorithme pour imiter la segmentation d'un analyste humain tout en améliorant la précision.
Aucun commentaire:
Enregistrer un commentaire