新传媒网约翰霍普金斯大学的科学家们开发了一种涉及人工智能的方法，可以可视化和跟踪活体动物突触强度的变化——大脑中神经细胞通过这些连接点进行交流。科学家们说， 《自然方法》中描述的这项技术应该可以帮助人们更好地了解人类大脑中的这种联系如何随着学习、衰老、受伤和疾病而发生变化。
“如果你想更多地了解管弦乐队的演奏方式，你必须随着时间的推移观察各个演奏者，而这种新方法对活体动物大脑中的突触就是这样做的，”戴安娜·西尔维斯特 (Diana Sylvestre) 研究所的 Dwight Bergles 博士说。约翰·霍普金斯大学 (JHU) 医学院所罗门·H·斯奈德神经科学系 Charles Homcy 教授。
Bergles 与生物医学工程系助理教授 Adam Charles 博士、医学博士和 Jeremias Sulam 博士以及 JHU 彭博特聘教授 Richard Huganir 博士共同撰写了这项研究所罗门·H·斯奈德 (Solomon H. Snyder) 神经科学系主任。所有四位研究人员都是约翰霍普金斯大学 Kavli 神经科学研究所的成员。
神经细胞通过在突触(“连接点”)处交换化学信息，将信息从一个细胞传递到另一个细胞。作者解释说，在大脑中，不同的生活经历，例如接触新环境和学习技能，被认为会引起突触的变化，加强或削弱这些连接，以促进学习和记忆。
了解我们大脑中数万亿个突触如何发生这些微小变化是一项艰巨的挑战，但它对于揭示大脑在健康时如何工作以及疾病如何改变它至关重要。
为了确定哪些突触在特定的生活事件中发生了变化，科学家们长期以来一直在寻找更好的方法来可视化突触信息传递的变化化学，这是大脑中突触密度高且体积小的必要条件——这些特征使它们甚至很难可视化配备最先进的新型显微镜。
“我们需要从具有挑战性的、模糊的、嘈杂的成像数据中提取我们需要看到的信号部分，”查尔斯说。
为此，Bergles、Sulam、Charles、Huganir 和他们的同事求助于机器学习，这是一种允许灵活开发自动数据处理工具的计算框架。
机器学习已成功应用于生物医学成像的许多领域，在这种情况下，科学家们利用这种方法来提高由数千个突触组成的图像的质量。虽然它可以成为自动检测的强大工具，大大超过人类的速度，但系统必须首先接受“训练”，教算法突触的高质量图像应该是什么样子。
