用于生物神经网络自动细胞类型分类的人工神经网络
神经与进化计算
2020-09-29 v3 神经元与认知
摘要
识别不同神经元细胞类型对于理解其对脑功能的贡献至关重要。然而，自动且可靠的神经元分类仍是一项挑战，主要因其生物学复杂性所致。典型方法包括费力且昂贵的免疫组化分析，而基于细胞特征提取算法的方案近来已被提出。前者依赖分子标记物，而这些标记物常在多种细胞类型中表达；后者面临类似问题：寻找对每一类具区分性的特征同样困难。此外，两种方法均耗时且需大量人工干预。本工作中，我们建立了首个依赖神经元活动而非分子或细胞特征的自动细胞类型分类方法。我们在一个包含四类神经元原始钙活动信号的真实数据集上测试了该方法。我们比较了三种不同深度学习模型的性能，并证明我们的方法能以空前准确率实现神经元细胞类型的自动分类。
引用
@article{arxiv.1911.09977,
title = {Artificial neural networks in action for an automated cell-type classification of biological neural networks},
author = {Eirini Troullinou and Grigorios Tsagkatakis and Spyridon Chavlis and Gergely Turi and Wen-Ke Li and Attila Losonczy and Panagiotis Tsakalides and Panayiota Poirazi},
journal= {arXiv preprint arXiv:1911.09977},
year = {2020}
}