Открыть главное меню

Создан алгоритм, помогающий анализировать снимки нейронов

14 декабря 2015

Изображение нейрона

Учёные, в поисках способа стимулирования роста нейронов, проводят много времени, кропотливо анализируя, с использованием микроскопа, снимки растущих нейронов в чашках Петри. Новый алгоритм, разработанный исследователями университета Брауна, автоматизирует процесс анализа снимков и проводит его, по их мнению, более точно, чем другие подходы.

Путём стимуляции роста нейронов в мозге люди получат возможность улучшить состояние своего организма, поэтому учёные заинтересованы в поиске новых способов стимулирования роста нейронов (препараты, электростимуляция, и др.). Чтобы проверить эффективность этих способов общепринятыми в научном сообществе методами, ученые выращивают нейроны в лаборатории и проводят различные процедуры: в течение нескольких часов или дней изготавливаются и позже попиксельно анализируются сотни фотографий нейронов, пока они растут. Далее проводится фильтр пикселей: среди пикселей изображения выделяются пиксели, которые дают наиболее важную информацию о нейроне. В этих исследованиях важна каждая мелочь. Но проблема в том, что нейроны — очень маленькие клетки и в измерении их деталей, которое является очень важной частью анализа роста, часто делаются измерительные ошибки.

Кванг-Мин Ким(англ. Kwang-Min Kim), бывший аспирант в лаборатории Палмора, сейчас являющийся постдоком в Стэнфорде, хотел найти лучшее решение. Вдохновленный предыдущей работой Килхо Сана(англ. Kilho Son), аспиранта в области компьютерного зрения, Ким в соавторстве с Килхо разработал новый метод, который обходится без фильтрации пикселей. Вместо этого, новый подход, названный Нейронным Анализатором Изображения (НИА)(англ. Neuron Image Analyzer), учитывает то, как соседние пиксели связаны друг с другом, что возможно сделать даже без наличия высоко детализированных снимков, которые необходимы в использующихся на данный момент методах анализа роста нейронов. В НИА используется фильтр Гаусса и некоторые графические вероятностные модели, например скрытая марковская модель.

Исследователями университета Брауна было проведено сравнение НИА с существующими методами. НИА показал 80 % точности результатов, тогда как другие методы показали около 50-60 %.

По мнению Кима, НИА будет особенно полезен в лабораториях, не располагающих сложной и дорогостоящей аппаратурой, которая способна сделать качественные снимки нейронов.

 

ИсточникиПравить


Статья «Создан алгоритм, помогающий анализировать снимки нейронов» создана участником Sergey Popov PetrSU в рамках заданий по созданию и улучшению статей в проектах Викимедия на научную тему для получения допуска к зачёту/экзамену по предмету «Интернет-математика» в ПетрГУ (преподаватель: Andrew Krizhanovsky).


 

Комментарии

Викиновости и Wikimedia Foundation не несут ответственности за любые материалы и точки зрения, находящиеся на странице и в разделе комментариев.