SynAPSeg автоматически идентифицирует синапсы на микроскопических изображениях, демонстрируя точность, сопоставимую с экспертной, и уже способствовал анализу более 3,8 миллиона нейронных связей у мышей
Искусственный интеллект015:42
В журнале PLOS Computational Biology был опубликован открытый набор данных и программный инструмент SynAPSeg, предназначенный для автоматизированного обнаружения, разметки и измерения синапсов на изображениях, полученных с помощью флуоресцентной микроскопии. Эта разработка призвана решить одну из главных проблем современной нейробиологии: ручная разметка плотных скоплений синапсов занимает от 10 до 60 минут на изображение и требует высокой квалификации специалиста, в то время как новая система справляется с этой задачей менее чем за 10 секунд.
Основой для SynAPSeg послужил набор из 41 конфокального изображения (четкие изображения тонких слоев ткани), содержащий 2400 синапсов, размеченных вручную в 2D, и 1200 — в 3D. На этих данных авторы обучили специализированные модели глубокого обучения StarDist и продемонстрировали, что их качество сопоставимо с результатами независимых экспертов.
Инструмент поддерживает распространенные форматы микроскопических изображений, сохраняет параметры обработки для воспроизводимости экспериментов и интегрируется с современными научными инструментами биоинформатики.
С помощью SynAPSeg исследователи уже проанализировали более 3,8 миллиона синапсов с белком PSD95 в 16 областях дорсального гиппокампа мышей — части мозга, отвечающей за память и обучение. Отдельный трёхмерный анализ также выявил снижение плотности таких синапсов на дендритах определённого типа нейронов у 12-месячных мышей по сравнению с 3-месячными.
Авторы подчеркивают, что на данный момент результаты касаются только доклинических исследований на животных и не позволяют делать выводы о механизмах возрастного снижения когнитивных функций у человека.
Разработчики подчеркивают, что опубликованный проект включает не только готовые модели, но и открытый набор данных, инструменты для проверки результатов и весь процесс анализа. При этом они предостерегают, что модели обучались в основном на изображениях с белком PSD95, поэтому перед использованием на других биологических маркерах или в иных условиях съемки их необходимо дополнительно адаптировать с участием специалистов.
Darth SaharaИсточники:letsdatascienceИскусственный интеллект0Искусственный интеллектКомпьютерное зрениеБиоинформатика15:42
Источник