Yenilikler

Geliştirilmiş yapay zeka, hareketli hayvanlardaki nöronları takip ediyor

Son gelişmeler, serbestçe hareket eden hayvanların içindeki nöronların görüntülenmesine olanak tanıyor. Ancak devre aktivitesinin kodunu çözmek için, görüntülenen bu nöronların hesaplamalı olarak tanımlanması ve takip edilmesi gerekiyor. Beynin kendisi bir organizmanın (örneğin bir solucanın) esnek vücudunun içinde hareket edip deforme olduğunda bu özellikle zorlayıcı hale gelir. Şimdiye kadar bilim camiası bu sorunu çözecek araçlardan yoksundu.

Şimdi, EPFL ve Harvard’dan bir bilim insanı ekibi, hareket eden ve deforme olan hayvanların içindeki nöronları takip etmek için öncü bir yapay zeka yöntemi geliştirdi. Çalışma şu anda şu adreste yayınlandı: Doğa YöntemleriEPFL Temel Bilimler Okulu’ndan Sahand Jamal Rahi tarafından yönetildi.

Yeni yöntem, görüntülerdeki kalıpları tanımak ve anlamak için eğitilmiş bir tür yapay zeka olan evrişimli sinir ağına (CNN) dayanıyor. Bu, “evrişim” adı verilen, kenarlar, renkler veya şekiller gibi resmin küçük bölümlerine aynı anda bakan ve ardından tüm bu bilgileri bir anlam çıkarmak ve nesneleri veya desenleri tanımlamak için bir araya getiren bir süreci içerir.

Sorun şu ki, bir hayvanın beyninin filmi sırasında nöronları tanımlamak ve takip etmek için birçok görüntünün elle etiketlenmesi gerekiyor çünkü hayvan, birçok farklı vücut deformasyonundan dolayı zaman içinde çok farklı görünüyor. Hayvanın duruşlarının çeşitliliği göz önüne alındığında, bir CNN’yi eğitmek için yeterli sayıda ek açıklamayı manuel olarak oluşturmak göz korkutucu olabilir.

Bu sorunu çözmek için araştırmacılar ‘hedefli büyütme’ özelliğine sahip gelişmiş bir CNN geliştirdiler. Yenilikçi teknik, yalnızca sınırlı sayıda manuel açıklama arasından referans amaçlı güvenilir açıklamaları otomatik olarak sentezler. Sonuç olarak CNN, beynin iç deformasyonlarını etkili bir şekilde öğrenir ve daha sonra bunları yeni duruşlar için açıklamalar oluşturmak için kullanır ve manuel açıklama ve çift kontrol ihtiyacını büyük ölçüde azaltır.

Yeni yöntem çok yönlüdür; nöronların görüntülerde ayrı noktalar veya 3 boyutlu hacimler olarak temsil edilip edilmediğini tanımlayabilmektedir. Araştırmacılar bunu yuvarlak kurt üzerinde test etti Caenorhabditis elegans302 nöronu onu sinir biliminde popüler bir model organizma haline getirdi.

Geliştirilmiş CNN’yi kullanarak, bilim adamları solucanın bazı ara nöronlarındaki (nöronlar arasındaki sinyalleri köprüleyen nöronlar) aktiviteyi ölçtüler. Periyodik koku patlamaları gibi farklı uyaranlara maruz kaldıklarında tepki kalıplarını değiştirmek gibi karmaşık davranışlar sergilediklerini buldular.

Ekip, CNN’lerini erişilebilir hale getirerek hedeflenen büyütmeyi entegre eden, kullanıcı dostu bir grafik kullanıcı arayüzü sağlayarak, manuel açıklamalardan son düzeltmelere kadar süreci kapsamlı bir işlem hattına dönüştürdü.

Sahand Jamal Rahi, “Nöron segmentasyonu ve takibi için gereken manuel çabayı önemli ölçüde azaltarak, yeni yöntem, tam manuel açıklamayla karşılaştırıldığında analiz verimini üç kat artırıyor” diyor. “Bu buluş, beyin görüntüleme alanındaki araştırmaları hızlandırma ve sinir devreleri ve davranışlarına ilişkin anlayışımızı derinleştirme potansiyeline sahip.”

Kaynak ve İleri Okuma: https://www.sciencedaily.com/releases/2023/12/231205113904.htm

İlgili Makaleler

Başa dön tuşu