Diagramma a blocchi e prestazioni di SeBRe. un. Architettura del diagramma a blocchi di SeBRe. Le sezioni del cervello (a sinistra) vengono alimentate come input alla maschera RCNN e l'output (a destra) mostra le regioni del cervello segmentate (registrate) sopra la sezione del cervello di input. B. Confronto qualitativo delle prestazioni di SeBRe su sezioni cerebrali laterali (righe 1-2) e mediali (righe 3-4) con maschere annotate dall'uomo. SeBRe si comporta in modo ottimale sulla previsione delle maschere delle regioni cerebrali, per entrambe le versioni verticale (colonna 2) e ruotata (colonna 3) delle sezioni del cervello di input. Credito:Theofanis Karayannis et al.
Un team di ricercatori del Brain Research Institute dell'Università di Zurigo e dello Swiss Federal Institute of Technology (ETH) ha sviluppato un metodo di registrazione cerebrale completamente automatizzato che potrebbe essere utilizzato per segmentare le regioni cerebrali di interesse nei topi.
I neuroscienziati sono sempre alla ricerca di nuovi metodi per esplorare la struttura e la funzione di diverse regioni del cervello, che vengono inizialmente applicati sugli animali ma potrebbero eventualmente portare a importanti scoperte sull'organizzazione del cervello umano.
"Il mio laboratorio mira a rivelare come il cervello dei mammiferi sviluppa le sue capacità di elaborare e reagire agli stimoli sensoriali, "Teofanis Karayannis, uno dei ricercatori che hanno condotto lo studio ha detto a Tech Xplore. "La maggior parte del lavoro che facciamo è sul lato sperimentale, utilizzando il topo come sistema modello e tecniche che vanno dalla genetica molecolare a quella funzionale e anatomica".
Questo studio fa parte di un progetto più ampio, che include anche "Esplorare lo sviluppo dell'inibizione in tutto il cervello attraverso l'apprendimento profondo, " uno studio in cui Karayannis e i suoi colleghi utilizzano algoritmi di deep learning per tracciare in modo completo i cosiddetti neuroni inibitori nel tempo al fine di misurare lo sviluppo delle capacità del cervello in momenti specifici.
Fare quello, hanno cercato di ideare un metodo che potesse delineare e segmentare accuratamente diverse regioni del cervello in immagini sperimentali del cervello di topo in via di sviluppo, per poi estrarre informazioni sulla posizione e sulla densità dei neuroni inibitori.
Confronto delle prestazioni di SeBRe con i metodi di registrazione del cervello comunemente usati. un. Prestazioni di SeBRe nel predire regioni cerebrali su sezioni cerebrali laterali e mediali selezionate casualmente rispetto ai metodi ndreg ed elastix. B. Grafico dei punteggi Mse per tutte le sezioni del cervello nel set di dati di test, per SeBRe, ndreg, ed elastico. C. Punteggi medi MSE per SeBRe, ndreg ed elastix. C. Punteggi medi MSE per SeBRe, ndreg ed elastix, sul set di dati completo. Credito:Theofanis Karayannis et al.
"Utilizzando le capacità computazionali di Asim Iqbal, uno studente di dottorato nel mio laboratorio, abbiamo cercato di testare prima l'utilità di alcuni metodi basati sulla registrazione delle immagini che hanno attirato l'attenzione negli studi sulle neuroscienze nell'ultimo anno, " spiega Karayannis. "Ci siamo subito resi conto che le tecniche esistenti non sono ottimali per i casi in cui le sezioni di tessuto vengono ruotate o quando la loro geometria è compromessa a causa di problemi metodologici, per esempio durante il taglio del tessuto cerebrale."
Dopo aver osservato i limiti dei metodi esistenti basati sulla registrazione delle immagini, i ricercatori hanno deciso di sviluppare un nuovo strumento di deep learning in grado di produrre risultati affidabili indipendentemente dalla possibile scala, rotazione e problemi morfologici che interessano sezioni di tessuti cerebrali.
Questo metodo, chiamato SeBRe (segmentazione delle regioni cerebrali), consente la registrazione attraverso la segmentazione delle regioni cerebrali di interesse, che potrebbe aiutare gli scienziati nei loro studi sulle regioni del cervello in una varietà di fasi di sviluppo. SeBRe prende sezioni del cervello, così come le maschere binarie delle regioni del cervello, come input per la formazione.
I ricercatori hanno addestrato la loro rete neurale su sezioni di cervello di topi di 14 giorni di età, per due marcatori genetici. Hanno quindi testato le sue prestazioni nel generare maschere anatomiche di sezioni precedentemente non identificate del cervello di 4, 14, 28, e topi di 56 giorni, attraverso una serie di marcatori neuronali. SeBRe ha superato tutti i metodi di registrazione del cervello esistenti, fornendo il punteggio di errore quadratico medio minimo (MSE) su un set di dati del cervello di topo.
"Il nostro studio fornisce un romanzo, approccio robusto agli attuali metodi affini e non affini per la registrazione dell'area cerebrale, ", afferma Karayannis. "Evidenzia anche l'applicabilità di un metodo basato sull'intelligenza artificiale nella segmentazione delle strutture cerebrali di interesse".
Maschere di regioni cerebrali su sezioni sagittali laterali e mediali di cervelli di topo P14 GAD1 e VGAT. Le prime due righe della colonna 1 mostrano il laterale mentre le ultime due righe mostrano le sezioni del cervello mediale. Le colonne 2-6 mostrano le maschere della verità di base di cinque regioni cerebrali di esempio. Le regioni variano in forma e dimensione mentre ci spostiamo da laterale a mediale (ad esempio confrontare l'ippocampo attraverso la colonna 3, per tutte le sezioni del cervello). Credito:Theofanis
In futuro, SeBRe potrebbe essere determinante nel tracciare e quantificare i cambiamenti anatomici nel cervello durante lo sviluppo, oltre a identificare altre informazioni significative, come quali geni sono espressi durante lo sviluppo del cervello di un topo e le loro qualità spazio-temporali.
Finora, il loro algoritmo di deep learning è stato addestrato solo su alcune regioni del cervello e i ricercatori hanno scoperto che funzionava in modo non ottimale su altre aree con strutture 3D complesse.
Karayannis e i suoi colleghi stanno ora pianificando di ridimensionare il loro metodo per segmentare varie sottoregioni nel topo e nel cervello umano, utilizzando più dati annotati per ottimizzare ulteriormente le prestazioni del loro algoritmo.
"Auspicabilmente, questo studio è l'inizio di un percorso che alla fine consentirà a noi e alla comunità di esplorare le alterazioni nella struttura e nella funzione del cervello, non solo attraverso diverse fasi di sviluppo, ma anche in devastanti disturbi cerebrali, aiutando a identificare nuovi biomarcatori e formare nuove ipotesi sulla generazione e la progressione della malattia, "dice Karayannis.
© 2018 Tech Xplore
