La technologie de l’IA aide les chercheurs à scruter le cerveau des souris


  • FrançaisFrançais



  • Les ingénieurs biomédicaux de Johns Hopkins ont développé une stratégie de formation à l’intelligence artificielle (IA) pour capturer des images de cellules cérébrales de souris en action. Les chercheurs affirment que le système d’IA, de concert avec des microscopes ultra-petits spécialisés, permet de trouver précisément où et quand les cellules sont activées pendant le mouvement, l’apprentissage et la mémoire. Les données recueillies grâce à cette technologie pourraient un jour permettre aux scientifiques de comprendre comment le cerveau fonctionne et est affecté par la maladie.

    Les expériences du chercheur sur des souris ont été publiées dans Communication Nature le 22 mars.

    « Lorsque la tête d’une souris est retenue pour l’imagerie, son activité cérébrale peut ne pas vraiment représenter sa fonction neurologique », explique Xingde Li, Ph.D., professeur de génie biomédical à la Johns Hopkins University School of Medicine. « Pour cartographier les circuits cérébraux qui contrôlent les fonctions quotidiennes chez les mammifères, nous devons voir précisément ce qui se passe entre les cellules cérébrales individuelles et leurs connexions, pendant que l’animal se déplace librement, mange et socialise. »

    Pour recueillir ces données extrêmement détaillées, l’équipe de Li a développé des microscopes ultra-petits que les souris peuvent porter sur le dessus de leur tête. Mesurant quelques millimètres de diamètre, la taille de ces microscopes limite la technologie d’imagerie qu’ils peuvent embarquer. Par rapport aux modèles de paillasse, la fréquence d’images des microscopes miniatures est faible, ce qui les rend sensibles aux interférences dues au mouvement. Des perturbations telles que la respiration ou la fréquence cardiaque de la souris affecteraient la précision des données que ces microscopes peuvent capturer. Les chercheurs estiment que le microscope miniature de Li devrait dépasser 20 images par seconde pour éliminer toutes les perturbations du mouvement d’une souris en mouvement libre.

    « Il existe deux façons d’augmenter la fréquence d’images », explique Li. « Vous pouvez augmenter la vitesse de numérisation et vous pouvez réduire le nombre de points numérisés. »

    Lors de recherches précédentes, l’équipe d’ingénieurs de Li a rapidement découvert qu’elle atteignait les limites physiques du scanner, atteignant six images par seconde, ce qui maintenait une excellente qualité d’image mais était bien en deçà du taux requis. Ainsi, l’équipe est passée à la deuxième stratégie pour augmenter la fréquence d’images – en diminuant le nombre de points scannés. Cependant, similaire à la réduction du nombre de pixels dans une image, cette stratégie amènerait le microscope à capturer des données de résolution inférieure.

    Li a émis l’hypothèse qu’un programme d’IA pourrait être formé pour reconnaître et restaurer les points manquants, améliorant ainsi les images à une résolution plus élevée. De tels protocoles de formation à l’IA sont utilisés lorsqu’il est impossible ou long de créer un programme informatique pour une tâche, telle que la reconnaissance fiable d’un groupe de caractéristiques comme un visage humain. Au lieu de cela, les informaticiens utilisent l’approche consistant à laisser les ordinateurs apprendre à se programmer en traitant de grands ensembles de données.

    Un défi important dans l’approche d’IA proposée était le manque d’images similaires de cerveaux de souris pour entraîner l’IA. Pour combler cette lacune, l’équipe a élaboré une stratégie de formation en deux étapes. Les chercheurs ont commencé à former l’IA pour identifier les éléments constitutifs du cerveau à partir d’images d’échantillons fixes de tissu cérébral de souris. Ils ont ensuite formé l’IA à reconnaître ces blocs de construction dans une souris vivante à tête retenue sous leur microscope ultra-petit. Cette étape a entraîné l’IA à reconnaître les cellules cérébrales avec une variation structurelle naturelle et un petit mouvement causé par le mouvement de la respiration et du rythme cardiaque de la souris.

    « L’espoir était que chaque fois que nous collectons des données à partir d’une souris en mouvement, elles seront toujours suffisamment similaires pour que le réseau d’IA les reconnaisse », explique Li.

    Ensuite, les chercheurs ont testé le programme d’IA pour voir s’il pouvait améliorer avec précision les images du cerveau de la souris en augmentant progressivement la fréquence d’images. À l’aide d’une image de référence, les chercheurs ont réduit les points de balayage du microscope par des facteurs de 2, 4, 8, 16 et 32 ​​et ont observé avec quelle précision l’IA pouvait améliorer l’image et restaurer la résolution de l’image.

    Les chercheurs ont découvert que l’IA pouvait restaurer de manière adéquate la qualité de l’image jusqu’à 26 images par seconde.

    L’équipe a ensuite testé les performances de l’outil d’IA en combinaison avec un mini microscope fixé à la tête d’une souris en mouvement. Grâce à la combinaison de l’IA et du microscope, les chercheurs ont pu voir avec précision les pics d’activité des cellules cérébrales individuelles activées par la souris marchant, tournant et explorant généralement son environnement.

    « Nous n’aurions jamais pu voir ces informations avec une résolution et une fréquence d’images aussi élevées auparavant », déclare Li. « Ce développement pourrait permettre de recueillir plus d’informations sur la façon dont le cerveau est dynamiquement connecté à l’action au niveau cellulaire. »

    Les chercheurs disent qu’avec plus de formation, le programme d’IA pourrait être capable d’interpréter avec précision des images jusqu’à 52 ou même 104 images par seconde.

    Parmi les autres chercheurs impliqués dans cette étude figurent Honghua Guan, Dawei Li, Hyeon-cheol Park, Ang Li, Yungtian Gau et Dwight Bergles de la Johns Hopkins University School of Medicine ; Yuanlei Yue et Hui Lu de l’Université George Washington ; et Ming-Jun Li de Corning Inc.

    Cette recherche a été soutenue par le National Cancer Institute (R01 CA153023), la subvention d’instrumentation de recherche majeure de la National Science Foundation (CEBT1430030) et le Johns Hopkins Medicine Discovery Fund Synergy Award.

    N'oubliez pas de voter pour cet article !
    1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (No Ratings Yet)
    Loading...
    mm

    La Rédaction

    L'équipe rédactionnelle

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.