Cr\u00e9dito: CC0 Public Domain <\/p>\n
Los ingenieros biom\u00e9dicos de Johns Hopkins han desarrollado una estrategia de entrenamiento de inteligencia artificial (IA) para capturar im\u00e1genes de c\u00e9lulas cerebrales de ratones en acci\u00f3n. Los investigadores dicen que el sistema de inteligencia artificial, junto con microscopios ultrapeque\u00f1os especializados, hacen posible encontrar con precisi\u00f3n d\u00f3nde y cu\u00e1ndo se activan las c\u00e9lulas durante el movimiento, el aprendizaje y la memoria. Los datos recopilados con esta tecnolog\u00eda alg\u00fan d\u00eda podr\u00edan permitir a los cient\u00edficos comprender c\u00f3mo funciona el cerebro y c\u00f3mo se ve afectado por la enfermedad. <\/p>\n
Los experimentos del investigador en ratones se publicaron en Nature Communications el 22 de marzo.<\/p>\n
\u00abCuando se restringe la cabeza de un rat\u00f3n para obtener im\u00e1genes, es posible que su actividad cerebral no represente verdaderamente su funci\u00f3n neurol\u00f3gica\u00bb, dice Xingde Li, Ph.D., profesor de ingenier\u00eda biom\u00e9dica en la Facultad de Medicina de la Universidad Johns Hopkins. \u00abPara mapear los circuitos cerebrales que controlan las funciones diarias en los mam\u00edferos, necesitamos ver con precisi\u00f3n lo que sucede entre las c\u00e9lulas cerebrales individuales y sus conexiones, mientras el animal se mueve libremente, come y socializa\u00bb.<\/p>\n
Para recopilar Con estos datos extremadamente detallados, el equipo de Li desarroll\u00f3 microscopios ultrapeque\u00f1os que los ratones pueden usar en la parte superior de la cabeza. Con un di\u00e1metro de un par de mil\u00edmetros, el tama\u00f1o de estos microscopios limita la tecnolog\u00eda de imagen que pueden llevar a bordo. En comparaci\u00f3n con los modelos de sobremesa, la velocidad de fotogramas de los microscopios en miniatura es baja, lo que los hace susceptibles a la interferencia del movimiento. Las perturbaciones como la respiraci\u00f3n o el ritmo card\u00edaco del rat\u00f3n afectar\u00edan la precisi\u00f3n de los datos que estos microscopios pueden capturar. Los investigadores estiman que el microscopio en miniatura de Li necesitar\u00eda superar los 20 fotogramas por segundo para eliminar todas las perturbaciones del movimiento de un rat\u00f3n que se mueve libremente.<\/p>\n
\u00abHay dos formas de aumentar la velocidad de fotogramas\u00bb, dice Li. \u00abPuede aumentar la velocidad de escaneo y puede disminuir la cantidad de puntos escaneados\u00bb.<\/p>\n
En investigaciones anteriores, el equipo de ingenier\u00eda de Li descubri\u00f3 r\u00e1pidamente que alcanzaron los l\u00edmites f\u00edsicos del esc\u00e1ner, alcanzando los seis cuadros por segundo, lo que mantuvo una excelente calidad de imagen, pero estuvo muy por debajo de la tasa requerida. Entonces, el equipo pas\u00f3 a la segunda estrategia para aumentar la velocidad de fotogramas y disminuir la cantidad de puntos escaneados. Sin embargo, al igual que reducir la cantidad de p\u00edxeles en una imagen, esta estrategia har\u00eda que el microscopio capturara datos de menor resoluci\u00f3n.<\/p>\n
Li plante\u00f3 la hip\u00f3tesis de que se podr\u00eda entrenar un programa de IA para reconocer y restaurar los puntos faltantes, mejorar las im\u00e1genes a una resoluci\u00f3n m\u00e1s alta. Dichos protocolos de entrenamiento de IA se utilizan cuando es imposible o lleva mucho tiempo crear un programa de computadora para una tarea, como reconocer de manera confiable un grupo de caracter\u00edsticas como un rostro humano. En cambio, los cient\u00edficos inform\u00e1ticos usan el enfoque de dejar que las computadoras aprendan a programarse a s\u00ed mismas mediante el procesamiento de grandes conjuntos de datos.<\/p>\n
Cr\u00e9dito: Facultad de Medicina de la Universidad Johns Hopkins <\/p>\n
Un desaf\u00edo importante en el enfoque de IA propuesto fue la falta de im\u00e1genes similares. de cerebros de ratones contra los que entrenar a la IA. Para superar esta brecha, el equipo desarroll\u00f3 una estrategia de capacitaci\u00f3n en dos etapas. Los investigadores comenzaron a entrenar a la IA para identificar los componentes b\u00e1sicos del cerebro a partir de im\u00e1genes de muestras fijas de tejido cerebral de rat\u00f3n. Luego entrenaron a la IA para que reconociera estos bloques de construcci\u00f3n en un rat\u00f3n vivo con la cabeza restringida bajo su microscopio ultrapeque\u00f1o. Este paso entren\u00f3 a la IA para que reconociera las c\u00e9lulas cerebrales con una variaci\u00f3n estructural natural y un peque\u00f1o movimiento causado por el movimiento de la respiraci\u00f3n y los latidos del coraz\u00f3n del rat\u00f3n.<\/p>\n
\u00abLa esperanza era que cada vez que recopilamos datos de un rat\u00f3n en movimiento , seguir\u00e1 siendo lo suficientemente similar para que la red de IA lo reconozca\u00bb, dice Li.<\/p>\n
Luego, los investigadores probaron el programa de IA para ver si pod\u00eda mejorar con precisi\u00f3n las im\u00e1genes del cerebro del rat\u00f3n aumentando gradualmente la velocidad de fotogramas. Usando una imagen de referencia, los investigadores redujeron los puntos de escaneo del microscopio por factores de 2, 4, 8, 16 y 32 y observaron con qu\u00e9 precisi\u00f3n la IA pod\u00eda mejorar la imagen y restaurar la resoluci\u00f3n de la imagen.<\/p>\n
Los investigadores encontraron que la IA podr\u00eda restaurar adecuadamente la calidad de la imagen hasta 26 cuadros por segundo. <\/p>\n
Luego, el equipo prob\u00f3 qu\u00e9 tan bien se desempe\u00f1\u00f3 la herramienta de IA en combinaci\u00f3n con un mini microscopio conectado a la cabeza de un rat\u00f3n en movimiento. Con la combinaci\u00f3n de IA y microscopio, los investigadores pudieron ver con precisi\u00f3n los picos de actividad de las c\u00e9lulas cerebrales individuales activadas por el rat\u00f3n al caminar, rotar y explorar su entorno en general.<\/p>\n
\u00abNunca podr\u00edamos haber visto esta informaci\u00f3n en tal alta resoluci\u00f3n y velocidad de fotogramas antes\u00bb, dice Li. \u00abEste desarrollo podr\u00eda permitir recopilar m\u00e1s informaci\u00f3n sobre c\u00f3mo el cerebro se conecta din\u00e1micamente a la acci\u00f3n a nivel celular\u00bb.<\/p>\n
Los investigadores dicen que con m\u00e1s capacitaci\u00f3n, el programa de IA podr\u00eda interpretar con precisi\u00f3n im\u00e1genes de hasta 52 o incluso 104 fotogramas por segundo. <\/p>\n
Explore m\u00e1s<\/p>\n
El microscopio montado en la cabeza permite obtener im\u00e1genes cerebrales a largo plazo en ratones que se mueven libremente im\u00e1genes en ratones que se comportan libremente, Nature Communications (2022). DOI: 10.1038\/s41467-022-29236-1 Informaci\u00f3n del diario:<\/strong> Nature Communications <\/p>\n Proporcionado por la Facultad de Medicina de la Universidad Johns Hopkins Cita<\/strong>: De borroso a brillante: IA la tecnolog\u00eda ayuda a los investigadores a observar los cerebros de los ratones (28 de abril de 2022) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-04-blurry-bright-ai-tech-peer.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Los ingenieros biom\u00e9dicos de Johns Hopkins han desarrollado una estrategia de entrenamiento de inteligencia artificial (IA) para capturar im\u00e1genes de c\u00e9lulas cerebrales de ratones en acci\u00f3n. Los investigadores dicen que el sistema de inteligencia artificial, junto con microscopios ultrapeque\u00f1os especializados, hacen posible encontrar con precisi\u00f3n d\u00f3nde y cu\u00e1ndo se activan las … Continuar leyendo \u00abDe borroso a brillante: la tecnolog\u00eda de IA ayuda a los investigadores a observar los cerebros de los ratones\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-11438","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11438","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=11438"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11438\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=11438"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=11438"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=11438"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}