使用 AI 程序捕获的增强图像的视频。左（原始）是高帧率的原始图像。右（DNN-2 输出）是经过 AI 增强的图像。图片来源：李兴德，约翰霍普金斯医学
约翰霍普金斯大学的生物医学工程师开发了一种人工智能 (AI) 训练策略，以捕捉活动中的小鼠脑细胞图像。研究人员表示，人工智能系统与专门的超小型显微镜配合使用，可以准确地找到细胞在运动、学习和记忆过程中何时何地被激活。使用这项技术收集的数据有朝一日可以让科学家了解大脑如何运作以及如何受到疾病的影响。
研究人员在老鼠身上的实验于 3 月 22 日发表在《自然通讯》上。
约翰霍普金斯大学医学院生物医学工程教授李兴德博士说：“当一只老鼠的头部受到限制进行成像时，它的大脑活动可能并不能真正代表它的神经功能。” “要绘制控制哺乳动物日常功能的大脑回路，我们需要准确了解个体脑细胞及其连接之间发生的情况，而动物可以自由地四处走动、进食和社交。”
为了收集这些极其详细的数据，李的团队开发了可以让老鼠戴在头顶上的超小型显微镜。这些显微镜的直径只有几毫米，因此限制了它们可以携带的成像技术。与台式模型相比，微型显微镜的帧速率较低，这使得它们容易受到运动的干扰。诸如老鼠的呼吸或心率之类的干扰会影响这些显微镜可以捕获的数据的准确性。研究人员估计，李的微型显微镜需要每秒超过 20 帧才能消除自由移动鼠标运动的所有干扰。
“有两种方法可以提高帧速率，”李说。 “你可以提高扫描速度，也可以减少扫描的点数。”
在之前的研究中，李的工程团队很快发现他们达到了扫描仪的物理极限，达到每秒 6 帧，保持了出色的图像质量，但远低于所需的速率。因此，团队转而采用第二种提高帧速率的策略——减少扫描点的数量。然而，类似于减少图像中的像素数量，这种策略会导致显微镜捕获较低分辨率的数据。
Li 假设可以训练人工智能程序来识别和恢复缺失的点，从而将图像增强到更高分辨率。当无法或耗时地为某项任务创建计算机程序时使用此类 AI 训练协议，例如可靠地将一组特征识别为人脸。相反，计算机科学家使用的方法是让计算机通过处理大量数据来学习编程。
所提出的人工智能方法中的一个重大挑战是缺乏类似的小鼠大脑图像来训练人工智能。为了克服这一差距，该团队制定了一个两阶段的培训策略。研究人员开始训练人工智能从固定的小鼠脑组织样本图像中识别大脑的组成部分。接下来，他们训练人工智能在超小型显微镜下识别头部受限的活鼠中的这些构建块。这一步训练人工智能识别具有自然结构变化和由小鼠呼吸和心跳运动引起的少量运动的脑细胞。
“希望是，每当我们从移动的鼠标中收集数据时，它仍然足够相似，让 AI 网络能够识别，”李说。
然后，研究人员测试了人工智能程序，看看它是否可以通过逐步提高帧速率来准确地增强小鼠大脑图像。使用参考图像，研究人员将显微镜扫描点减少了 2、4、8、16 和 32 倍，并观察了人工智能在增强图像和恢复图像分辨率方面的准确度。
研究人员发现，人工智能可以将图像质量充分恢复到每秒 26 帧。
然后，该团队测试了人工智能工具与连接在移动鼠标头部的微型显微镜的结合性能。通过人工智能和显微镜的结合，研究人员能够精确地看到由鼠标行走、旋转和一般探索其环境所激活的单个脑细胞的活动峰值。
“我们以前从未以如此高分辨率和帧速率看到这些信息，”李说。 “这一发展可能使收集更多关于大脑如何与细胞水平上的行动动态联系的信息成为可能。”
研究人员表示，通过更多的训练，人工智能程序可能能够准确每秒可以快速解释高达 52 甚至 104 帧的图像。
参与这项研究的其他研究人员包括约翰霍普金斯大学医学院的 Honghua Guan、Dawei Li、Hyeon-cheol Park、Ang Li、Yungtian Gau 和 Dwight Bergles； 乔治华盛顿大学的Yuanlei Yue和Hui Lu； 和康宁公司的李明军。
这项研究得到了美国国家癌症研究所 (R01 CA153023)、美国国家科学基金会重大研究仪器资助 (CEBT1430030) 和约翰霍普金斯医学发现基金协同奖的支持。
首页
