Diagrama de bloques y rendimiento de SeBRe. una. Arquitectura de diagrama de bloques de SeBRe. Las secciones del cerebro (izquierda) se alimentan como entrada a la máscara RCNN y la salida (derecha) muestra las regiones cerebrales segmentadas (registradas) en la parte superior de la sección del cerebro de entrada. B. Comparación del rendimiento cualitativo de SeBRe en secciones del cerebro lateral (filas 1-2) y medial (filas 3-4) con máscaras anotadas por humanos. SeBRe funciona de manera óptima en la predicción de máscaras de regiones cerebrales, para las versiones vertical (columna 2) y rotada (columna 3) de las secciones del cerebro de entrada. Crédito:Theofanis Karayannis et al.
Un equipo de investigadores del Instituto de Investigación del Cerebro de la Universidad de Zúrich y el Instituto Federal Suizo de Tecnología (ETH) ha desarrollado un método de registro cerebral totalmente automatizado que podría usarse para segmentar las regiones cerebrales de interés en ratones.
Los neurocientíficos siempre están buscando nuevos métodos para explorar la estructura y función de diferentes regiones del cerebro. que se aplican inicialmente a los animales, pero que eventualmente podrían conducir a importantes descubrimientos sobre la organización del cerebro humano.
"Mi laboratorio tiene como objetivo revelar cómo el cerebro de los mamíferos desarrolla su capacidad para procesar y reaccionar a los estímulos sensoriales, "Theofanis Karayannis, uno de los investigadores que llevó a cabo el estudio le dijo a Tech Xplore. "La mayor parte del trabajo que hacemos es experimental, utilizando el ratón como sistema modelo y técnicas que van desde la genética molecular hasta la funcional y anatómica ".
Este estudio es parte de un proyecto más grande, que también incluye "Exploración del desarrollo de la inhibición en todo el cerebro a través del aprendizaje profundo, "un estudio en el que Karayannis y sus colegas utilizan algoritmos de aprendizaje profundo para realizar un seguimiento exhaustivo de las llamadas neuronas inhibitorias a lo largo del tiempo con el fin de medir el desarrollo de las capacidades del cerebro en momentos específicos.
Para hacer eso, intentaron idear un método que pudiera delinear y segmentar con precisión diferentes regiones del cerebro en imágenes experimentales del cerebro de un ratón en desarrollo, para luego extraer información sobre la ubicación y densidad de las neuronas inhibidoras.
Comparación del rendimiento de SeBRe con los métodos de registro cerebral de uso común. una. Rendimiento de SeBRe en la predicción de regiones cerebrales en secciones cerebrales lateral y medial seleccionadas al azar en comparación con los métodos ndreg y elastix. B. Gráfico de las puntuaciones de Mse para todas las secciones del cerebro en el conjunto de datos de prueba, para SeBRe, ndreg, y elastix. C. Puntuaciones medias de MSE para SeBRe, ndreg y elastix. C. Puntuaciones medias de MSE para SeBRe, ndreg y elastix, en el conjunto de datos completo. Crédito:Theofanis Karayannis et al.
"Al utilizar las habilidades computacionales de Asim Iqbal, un estudiante de doctorado en mi laboratorio, Primero, buscamos probar la utilidad de algunos métodos basados en el registro de imágenes que han estado ganando atención en los estudios de neurociencia durante el último año, "explica Karayannis." Rápidamente nos dimos cuenta de que las técnicas existentes no son óptimas para los casos en los que las secciones de tejido se rotan o cuando su geometría se ve comprometida debido a problemas metodológicos, por ejemplo, durante el corte de tejido cerebral ".
Después de observar las limitaciones de los métodos existentes basados en el registro de imágenes, los investigadores se propusieron desarrollar una nueva herramienta de aprendizaje profundo que pueda producir resultados confiables independientemente de la escala posible, rotación y problemas morfológicos que afectan a secciones de los tejidos cerebrales.
Este método, llamado SeBRe (regiones cerebrales segmentadas), permite el registro a través de la segmentación de las regiones cerebrales de interés, lo que podría ayudar a los científicos en sus estudios de las regiones del cerebro en una variedad de etapas de desarrollo. SeBRe toma secciones del cerebro, así como las máscaras binarias de las regiones del cerebro, como insumo para la formación.
Los investigadores entrenaron su red neuronal en secciones del cerebro de ratones de 14 días, para dos marcadores genéticos. Luego probaron su desempeño en la generación de máscaras anatómicas de secciones previamente no identificadas del cerebro de 4, 14, 28, y ratones de 56 días, a través de una variedad de marcadores neuronales. SeBRe superó a todos los métodos de registro cerebral existentes, proporcionando la puntuación de error cuadrático medio mínimo (MSE) en un conjunto de datos de cerebro de ratón.
"Nuestro estudio proporciona una novela, enfoque sólido de los métodos afines y no afines actuales para el registro de áreas cerebrales, ", dice Karayannis." También apunta a la aplicabilidad de un método basado en inteligencia artificial para segmentar las estructuras cerebrales de interés ".
Máscaras de regiones cerebrales en secciones sagitales lateral y medial de cerebros de ratones de verdad terrestre P14 GAD1 y VGAT. Las dos primeras filas de la columna 1 muestran el lateral, mientras que las dos últimas filas muestran las secciones medial del cerebro. Las columnas 2-6 muestran las máscaras de verdad fundamental de cinco regiones cerebrales de ejemplo. Las regiones varían en forma y tamaño a medida que nos movemos de lateral a medial (por ejemplo, compare el hipocampo en la columna 3, para todas las secciones del cerebro). Crédito:Theofanis
En el futuro, SeBRe podría ser fundamental para rastrear y cuantificar los cambios anatómicos en el cerebro durante el desarrollo, así como identificar otra información significativa, como qué genes se expresan durante el desarrollo del cerebro de un ratón y sus cualidades espacio-temporales.
Hasta aquí, su algoritmo de aprendizaje profundo solo se ha entrenado en unas pocas regiones del cerebro y los investigadores encontraron que funcionaba de manera subóptima en otras áreas con estructuras complejas en 3-D.
Karayannis y sus colegas ahora planean escalar su método para segmentar varias subregiones en el ratón y el cerebro humano. mediante el uso de más datos anotados para optimizar aún más el rendimiento de su algoritmo.
"Ojalá, Este estudio es el comienzo de un camino que, en última instancia, nos permitirá a nosotros y a la comunidad explorar las alteraciones en la estructura y función del cerebro. no solo en diferentes etapas de desarrollo, sino también en devastadores trastornos cerebrales, ayudar a identificar nuevos biomarcadores y formar nuevas hipótesis sobre la generación y progresión de la enfermedad, "dice Karayannis.
© 2018 Tech Xplore
