一种基于神经网络的秀丽隐杆线虫 IFT-20 感觉神经元自动分类器
神经元与认知
2022-11-02 v1 机器学习
摘要
在成像数据中确定神经元身份是神经科学的一项基本任务，有助于跨生物体比较神经活动。跨生物体比较反过来又使多种研究成为可能，包括全脑功能网络分析，以及将特定神经元的活动与行为或环境刺激联系起来。最近，在秀丽隐杆线虫中实现了具有单细胞分辨率的三维全神经元成像，使得神经元识别、追踪和活动监测都触手可及。线虫 C. elegans 因其透明性和已被充分理解的神经系统等因素，常被用作研究神经活动的模式生物。高精度神经元识别的主要障碍在于，成年 C. elegans 的神经元细胞体位置并非固定不变。解决此问题的现有方法使用遗传编码标记作为额外的识别特征。例如，NeuroPAL 品系使用多色荧光报告基因。然而，由于过度遗传修饰的负面影响，这种方法的应用受到限制。在本研究中，我提出了一种仅使用单色荧光图像的替代性神经元识别技术。我设计了一种基于新型神经网络的分类器，该分类器使用一种迭代的、基于标志点的神经元识别过程，灵感来源于人工标注程序，能自动标记感觉神经元。该设计以 91.61% 的准确率标记了 C. elegans 的感觉神经元。
引用
@article{arxiv.2210.14961,
title = {A Neural Network Based Automated IFT-20 Sensory Neuron Classifier for Caenorhabditis elegans},
author = {Arvind Seshan},
journal= {arXiv preprint arXiv:2210.14961},
year = {2022}
}
备注
This article has been removed by arXiv administrators because the submitter did not have the authority to grant the license at the time of submission