通过深度学习探索抑制作用的全脑发育
计算机视觉与模式识别
2018-07-11 v1 神经元与认知
定量方法
摘要
我们在此介绍一种完全自动化的基于卷积神经网络的大脑图像处理方法，用于在发育过程中检测不同脑区的神经元（DeNeRD）。我们的方法以发育中小鼠大脑为输入，并且 i) 将脑切片配准到发育中小鼠参考图谱，ii) 检测各类神经元，以及 iii) 在多个出生后（P）时间点对许多独特脑区中的神经密度进行量化。我们的方法对神经元的形状、大小和表达具有不变性，通过使用DeNeRD，我们比较了P4、P14和P56年龄段发育大脑中所有GABA能神经元的全脑神经密度。我们发现并报道了小鼠大脑中6个不同的区域簇，其中GABA能神经元从幼龄（P4）到成年（P56）以差异方式发育。这些簇揭示了GABA能细胞发育的关键步骤，似乎与小鼠从被动接收感觉信息（<P14）到主动探索（>P14）过渡过程中不同脑区的功能发育相吻合。
引用
@article{arxiv.1807.03238,
title = {Exploring Brain-wide Development of Inhibition through Deep Learning},
author = {Asim Iqbal and Asfandyar Sheikh and Theofanis Karayannis},
journal= {arXiv preprint arXiv:1807.03238},
year = {2018}
}
备注
33 pages, 21 Figures