Создан алгоритм, помогающий анализировать снимки нейронов
14 декабря 2015 года
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.
Источники
правитьПубликации Кванг-Мин Кима(англ.).
Публикации Килхо Сана(англ.).(недоступная ссылка)
- Kwang-Min Kim, Kilho Son, G. Tayhas R. Palmore Neuron Image Analyzer: Automated and Accurate Extraction of Neuronal Data from Low Quality Images (Английский) // NCBI : сайт. — 2015. — DOI:10.1038/srep17062
Комментарии
Если вы хотите сообщить о проблеме в статье (например, фактическая ошибка и т. д.), пожалуйста, используйте обычную страницу обсуждения.
Комментарии на этой странице могут не соответствовать политике нейтральной точки зрения, однако, пожалуйста, придерживайтесь темы и попытайтесь избежать брани, оскорбительных или подстрекательных комментариев. Попробуйте написать такие комментарии, которые заставят задуматься, будут проницательными или спорными. Цивилизованная дискуссия и вежливый спор делают страницу комментариев дружелюбным местом. Пожалуйста, подумайте об этом.
Несколько советов по оформлению реплик:
- Новые темы начинайте, пожалуйста, снизу.
- Используйте символ звёздочки «*» в начале строки для начала новой темы. Далее пишите свой текст.
- Для ответа в начале строки укажите на одну звёздочку больше, чем в предыдущей реплике.
- Пожалуйста, подписывайте все свои сообщения, используя четыре тильды (~~~~). При предварительном просмотре и сохранении они будут автоматически заменены на ваше имя и дату.
Обращаем ваше внимание, что комментарии не предназначены для размещения ссылок на внешние ресурсы не по теме статьи, которые могут быть удалены или скрыты любым участником. Тем не менее, на странице комментариев вы можете сообщить о статьях в СМИ, которые ссылаются на эту заметку, а также о её обсуждении на сторонних ресурсах.
