NeuroFly: un marco de IA para la reconstrucción de una sola neurona de todo el cerebro

La neurociencia ha avanzado significativamente, permitiéndonos comprender el mapeo de las neuronas en el cerebro. Las neuronas tienen dendritas y axones, estructuras ramificadas que conectan las neuronas. Comprender estos mapeos es crucial para descubrir cómo el cerebro procesa la información, respalda la cognición y controla el movimiento, lo que tiene implicaciones en la investigación en neurociencia y el tratamiento de trastornos neurológicos. La imagen de mesoescala es una técnica avanzada que nos ha permitido comprender estas vías neuronales. A pesar de ser avanzado, construir un conectoma y un mapa cerebral completo es un desafío, ya que es un proceso muy complejo y que requiere mucho tiempo. Por ejemplo, una sola neurona de ratón puede tardar hasta 20 horas en mapearse manualmente, lo que hace que la creación de mapas a escala cerebral completa incluso para una especie sea casi imposible sin soluciones automatizadas. Un equipo de investigadores ha desarrollado un marco innovador, NeuroFly, que automatiza de manera eficiente la reconstrucción neuronal.

Iniciativas anteriores, como el desafío DIADEM y el proyecto BigNeuron, avanzaron significativamente en el proceso de reconstrucción de neuronas, pero enfrentaron un gran desafío con conjuntos de datos complejos y de gran escala. El desafío DIADEM tenía como objetivo comparar los algoritmos de reconstrucción neuronal utilizando conjuntos de datos estandarizados. Sin embargo, no pudo explicar completamente la ampliación necesaria para evaluar los terabytes de datos para la reconstrucción completa del cerebro. El proyecto BigNeuron, basándose en el desafío DIADEM, estandarizó aún más los protocolos y los métodos de evaluación. Los intrincados detalles neuronales necesitaban más escenarios de imágenes del mundo real que este algoritmo no podía acomodar.

Las contribuciones de NeuroFly son las siguientes:

1. Canal optimizado de segmentación, conexión y revisión: NeuroFly formula la tarea de reconstrucción neuronal como un flujo de trabajo estructurado compuesto de tres etapas clave:
   • Segmentación: Las estructuras neuronales se aíslan del tejido cerebral circundante en la imagen 3D y se identifican mediante técnicas automatizadas avanzadas. Estos fragmentos de neuronas aún no están completamente formados.
   • Conexión: NeuroFly utiliza un método de seguimiento de ruta basado en imágenes 3D para conectar estos segmentos y formar neuronas completamente funcionales. Esta técnica también tiene en cuenta datos incompletos o interrupciones en las imágenes.
   • Corrección de pruebas: Este es el último paso, pero crucial, ya que los humanos revisan estos segmentos y sus respectivas conexiones para eliminar las posibilidades de errores.

2. Conjuntos de datos extensibles y específicos del modelo: Las conexiones neuronales varían de una especie a otra y en diferentes regiones del cerebro. Esto llevó a los investigadores a incluir diversos conjuntos de datos, incluidos varios métodos de obtención de imágenes y contextos biológicos. Además, los datos se recolectaron siguiendo un estricto protocolo, lo que permite agregar nuevas especies o técnicas de imagen en el futuro.

3. Ruta basada en imágenes 3D siguiente: Los métodos tradicionales lucharon con el problema de las lagunas en la conectividad neuronal de los datos. Al utilizar el seguimiento de rutas basado en imágenes 3D, NeuroFly ha facilitado la construcción de rutas neuronales incompletas. Esta técnica envía pequeños agentes virtuales a lo largo de los extremos de cada segmento de neuronas, siguiendo las señales de los datos de las imágenes circundantes. Estas señales les ayudan a conectarse con segmentos cercanos o evitar el ruido de fondo, asegurando que las estructuras neuronales sean más continuas y precisas, incluso cuando los datos están incompletos.

Los resultados de NeuroFly muestran las ventajas de los conjuntos de datos específicos del modelo para lograr una alta precisión en diferentes escenarios de reconstrucción. En las pruebas, el marco obtuvo una puntuación F1 promedio de 0,913 en la reconstrucción de estructuras neuronales complejas en varios modelos, superando significativamente los conjuntos de datos genéricos utilizados en estudios anteriores. El método de seguimiento de ruta 3D de NeuroFly también cierra eficazmente los espacios entre los segmentos de neuronas, formando un esquema crítico para reducir los errores de reconstrucción. Esta alta precisión acelera la reconstrucción de las neuronas y establece un nuevo punto de referencia para futuros programas relacionados con el mapeo de las neuronas en todo el cerebro.

En conclusión, NeuroFly avanza en la reconstrucción de neuronas utilizando conjuntos de datos específicos del modelo y un proceso de varios pasos que mejora la precisión y la escalabilidad. El marco permite a los investigadores identificar problemas de reconstrucción específicos distinguiendo entre segmentación neuronal y errores de conectividad. Las contribuciones de NeuroFly marcan un paso adelante en el mapeo de neuronas, con implicaciones para una mejor comprensión de la conectividad y función del cerebro. A medida que el marco continúa evolucionando, está preparado para convertirse en una herramienta esencial para crear conectomas integrales, mejorando nuestro conocimiento de la intrincada red del cerebro.

Mira el Papel y GitHub. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de telegramas y LinkedIn Grarriba. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa.. No olvides unirte a nuestro SubReddit de más de 55.000 ml.

(Próximo evento en vivo de LinkedIn) ‘Una plataforma, posibilidades multimodales’, donde el director ejecutivo de Encord, Eric Landau, y el director de ingeniería de productos, Justin Sharps, hablarán sobre cómo están reinventando el proceso de desarrollo de datos para ayudar a los equipos a construir rápidamente modelos de IA multimodales innovadores.

Afeerah Naseem es pasante de consultoría en Marktechpost. Está cursando su licenciatura en tecnología en el Instituto Indio de Tecnología (IIT), Kharagpur. Le apasiona la ciencia de datos y le fascina el papel de la inteligencia artificial en la resolución de problemas del mundo real. Le encanta descubrir nuevas tecnologías y explorar cómo pueden hacer que las tareas cotidianas sean más fáciles y eficientes.