• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Desenvolvimento de atlas cerebrais usando algoritmos de aprendizado profundo

    Diagrama de blocos e desempenho do SeBRe. uma. Arquitetura do diagrama de blocos do SeBRe. As seções do cérebro (à esquerda) são alimentadas como entrada para a máscara RCNN e a saída (à direita) mostra as regiões do cérebro segmentadas (registradas) no topo da seção de entrada do cérebro. b. Comparação de desempenho qualitativo de SeBRe em seções cerebrais laterais (linhas 1-2) e mediais (linhas 3-4) com máscaras anotadas por humanos. SeBRe tem um desempenho ideal na previsão de máscaras de regiões do cérebro, para as versões vertical (coluna 2) e girada (coluna 3) das seções de entrada do cérebro. Crédito:Theofanis Karayannis et al.

    Uma equipe de pesquisadores do Instituto de Pesquisa do Cérebro da Universidade de Zurique e do Instituto Federal Suíço de Tecnologia (ETH) desenvolveu um método de registro cerebral totalmente automatizado que pode ser usado para segmentar regiões cerebrais de interesse em camundongos.

    Os neurocientistas estão sempre buscando novos métodos de explorar a estrutura e função de diferentes regiões do cérebro, que são inicialmente aplicados em animais, mas podem eventualmente levar a descobertas importantes sobre a organização do cérebro humano.

    "Meu laboratório tem como objetivo revelar como o cérebro dos mamíferos desenvolve suas habilidades para processar e reagir a estímulos sensoriais, "Theofanis Karayannis, um dos pesquisadores que realizaram o estudo disse ao Tech Xplore. "A maior parte do trabalho que fazemos é experimental, utilizando o mouse como um sistema modelo e técnicas que variam de genética molecular a funcional e anatômica. "

    Este estudo é parte de um projeto maior, que também inclui "Explorando o desenvolvimento de inibição em todo o cérebro por meio do aprendizado profundo, "um estudo no qual Karayannis e seus colegas usam algoritmos de aprendizagem profunda para rastrear de forma abrangente os chamados neurônios inibitórios ao longo do tempo, a fim de avaliar o desenvolvimento das capacidades do cérebro em pontos específicos no tempo.

    Fazer isso, eles tentaram conceber um método que pudesse delinear e segmentar com precisão diferentes regiões do cérebro em imagens experimentais do cérebro de camundongo em desenvolvimento, para então extrair informações sobre a localização e densidade dos neurônios inibitórios.

    Comparação de desempenho do SeBRe com métodos de registro do cérebro comumente usados. uma. Desempenho do SeBRe na previsão de regiões cerebrais em seções cerebrais laterais e mediais selecionadas aleatoriamente em comparação com os métodos ndreg e elastix. b. Gráfico das pontuações de Mse para todas as seções do cérebro no conjunto de dados de teste, para SeBRe, ndreg, e elastix. c. Pontuações médias de MSE para SeBRe, ndreg e elastix. c. Pontuações médias de MSE para SeBRe, ndreg e elastix, no conjunto de dados completo. Crédito:Theofanis Karayannis et al.

    "Ao utilizar as habilidades computacionais de Asim Iqbal, um estudante de doutorado no meu laboratório, procuramos primeiro testar a utilidade de alguns métodos baseados em registro de imagens que vêm ganhando atenção nos estudos da neurociência no último ano, "explica Karayannis." Percebemos rapidamente que as técnicas existentes são subótimas para os casos em que as seções de tecido são giradas ou quando sua geometria está comprometida devido a questões metodológicas, por exemplo, durante o corte do tecido cerebral. "

    Depois de observar as limitações dos métodos baseados em registro de imagem existentes, os pesquisadores decidiram desenvolver uma nova ferramenta de aprendizagem profunda que pode produzir resultados confiáveis, independentemente da escala possível, rotação e problemas morfológicos que afetam seções de tecidos cerebrais.

    Este método, chamado SeBRe (Segmenting Brain Regions), permite o registro por meio da segmentação de regiões cerebrais de interesse, que poderia ajudar os cientistas em seus estudos das regiões do cérebro em uma variedade de estágios de desenvolvimento. SeBRe faz seções cerebrais, bem como as máscaras binárias das regiões do cérebro, como entrada para o treinamento.

    Os pesquisadores treinaram sua rede neural em seções do cérebro de ratos de 14 dias de idade, para dois marcadores genéticos. Em seguida, eles testaram seu desempenho na geração de máscaras anatômicas de seções anteriormente não identificadas do cérebro de 4, 14, 28, e camundongos com 56 dias de idade, através de uma gama de marcadores neuronais. SeBRe superou todos os métodos existentes de registro cerebral, fornecer a pontuação de erro quadrático médio mínimo (MSE) em um conjunto de dados de cérebro de camundongo.

    "Nosso estudo fornece um romance, abordagem robusta para os métodos atuais afins e não afins para registro de área do cérebro, "diz Karayannis." Ele também aponta para a aplicabilidade de um método baseado em inteligência artificial na segmentação de estruturas cerebrais de interesse. "

    Máscaras de regiões cerebrais em seções sagitais mediais e laterais de cérebros de camundongos P14 GAD1 e VGAT. As duas primeiras linhas da coluna 1 mostram a lateral, enquanto as duas últimas linhas mostram as seções mediais do cérebro. A coluna 2-6 mostra as máscaras de verdade de cinco exemplos de regiões do cérebro. As regiões variam em forma e tamanho à medida que nos movemos de lateral para medial (por exemplo, compare o hipocampo através da coluna 3, para todas as seções do cérebro). Crédito:Theofanis

    No futuro, SeBRe pode ser instrumental no rastreamento e quantificação de mudanças anatômicas no cérebro durante o desenvolvimento, além de identificar outras informações significativas, como quais genes são expressos durante o desenvolvimento do cérebro de um camundongo e suas qualidades espaço-temporais.

    Até aqui, seu algoritmo de aprendizagem profunda foi treinado apenas em algumas regiões do cérebro e os pesquisadores descobriram que ele funcionou de forma subótima em outras áreas com estruturas 3-D complexas.

    Karayannis e seus colegas estão agora planejando dimensionar seu método para segmentar várias sub-regiões no cérebro de camundongo e humano, usando mais dados anotados para otimizar ainda mais o desempenho de seu algoritmo.

    "Esperançosamente, este estudo é o início de um caminho que, em última análise, permitirá que nós e a comunidade exploremos as alterações na estrutura e função do cérebro, não apenas em diferentes estágios de desenvolvimento, mas também em doenças cerebrais devastadoras, ajudando a identificar novos biomarcadores e formar novas hipóteses sobre a geração e progressão da doença, "diz Karayannis.

    © 2018 Tech Xplore




    © Ciência https://pt.scienceaq.com