بررسی سلول‌های مغز موش با کمک هوش مصنوعی
مهندسان زیست پزشکی دانشگاه جانز هاپکینز در جدیدترین مطالعه خود یک استراتژی آموزشی مبتنی بر هوش مصنوعی(AI) برای ثبت تصاویری از سلول‌های مغز موش در حال حرکت، ایجاد کردند.
به گزارش صدای جامعه و به نقل از تی ان، محققان می‌گویند این سیستم هوش مصنوعی با کمک میکروسکوپ‌های فوق کوچک تخصصی، این امکان را فراهم می‌کند تا دریابیم دقیقا کجا و چه زمانی سلول‌ها(در حین حرکت، یادگیری و ذخیره اطلاعات) فعال می‌شوند. داده‌های جمع‌آوری‌شده به کمک این فناوری می‌تواند روزی به دانشمندان این امکان را بدهد تا دریابند مغز چگونه کار می‌کند و تحت تاثیر ابتلا به چه بیماری‌هایی قرار دارد.
دکتر “ژینگ د لی”(Xingde Li) استاد زیست پزشکی دانشگاه جانز هاپکینز در این باره گفت: هنگامی که سر موش برای انجام عملیات تصویر برداری تحت کنترل قرار می‌گیرد، ممکن است فعالیت مغز آن واقعا نشان دهنده عملکرد عصبی آن نباشد. برای نقشه‌برداری از مدارهای مغزی که عملکرد روزانه را در پستانداران کنترل می‌کنند ما باید همان زمانها که حیوان آزادانه در حال حرکت کردن و غذا خوردن است، درک و مشاهده کنیم که در بین سلول‌های مغزی و اتصالات آنها چه اتفاقی در حال رخ دادن است.
برای جمع آوری این حجم عظیم از داده‌ها، محققان یک میکروسکوپ فوق کوچک که می‌تواند روی سر موش قرار گیرد را توسعه دادند. در مقایسه با مدل‌های موجود، نرخ فریم این میکروسکوپ‌های مینیاتوری پایین است که این امر آنها را برای حرکت در داخل بدن مناسب می‌سازد. فرِیم رِیت یا نرخ فرِیم به فرکانس نمایش داده شدن نگاره‌ها یا فریم‌ها روی یک مانیتور گفته می‌شود. این عبارت در مورد فیلم، گرافیک کامپیوتری و سامانه‌های ضبط حرکت به کار می‌رود.
مواردی مانند تنفس یا ضربان قلب موش، بر دقت داده‌هایی که این میکروسکوپ‌ها می‌توانند دریافت کنند، تاثیر می‌گذارد. محققان اظهار کردند که سرعت این میکروسکوپ مینیاتوری باید از ۲۰ فریم در ثانیه فراتر رود تا تمام حرکات یک موش را ثبت کند.
لی در این باره گفت: دو راه برای افزایش نرخ فریم وجود دارد. شما یا می‌توانید سرعت اسکن را افزایش دهید یا می‌توانید تعداد نقاط اسکن شده را کاهش دهید.
در این مطالعه محققان راه افزایش سرعت فریم‌ها را برگزیدند. لی این فرضیه را مطرح کرد که یک برنامه هوش مصنوعی می‌تواند برای شناسایی و بازیابی نقاط از دست رفته، آموزش داده شود و تصاویر با وضوح بالاتر را ایجاد کند.
در گام بعد محققان آموزش پلتفرم هوش مصنوعی برای شناسایی اجزای سازنده مغز از تصاویر نمونه‌های ثابت بافت مغز موش را آغاز کردند. آنها هوش مصنوعی را آموزش دادند تا این اجزای سازنده را در سر یک موش زنده در زیر میکروسکوپ فوق کوچک خود تشخیص دهد. در این مرحله به هوش مصنوعی آموزش داده شد تا سلول‌های مغز را با تغییرات ساختاری طبیعی و حتی حرکت ناشی از حرکت تنفس و ضربان قلب موش بتواند تشخص دهد.
سپس، محققان برنامه هوش مصنوعی را آزمایش کردند تا ببینند آیا می‌تواند تصاویر مغز موش را با افزایش تدریجی نرخ فریم نیز تشخیص دهد یا خیر. محققان با استفاده از یک تصویر مرجع، نقاط اسکن میکروسکوپ را کاهش دادند و مشاهده کردند که هوش مصنوعی با چه دقتی می‌تواند تصویر را بهبود بخشد و وضوح تصویر را بازیابی کند.
محققان دریافتند که هوش مصنوعی می‌تواند کیفیت تصویر را تا ۲۶ فریم در ثانیه بازیابی کند.
سپس محققان آزمایش کردند که ابزار هوش مصنوعی در ترکیب با یک میکروسکوپ کوچک متصل به سر یک موش متحرک چقدر خوب می‌تواند عمل کند. با ترکیب هوش مصنوعی و میکروسکوپ، محققان توانستند به‌طور دقیق جهش‌های فعالیت هر سلول مغزی را مشاهده کنند.
لی در انتها گفت: ما هرگز قبلا نمی‌توانستیم این اطلاعات را با وضوح و نرخ فریم بالا ببینیم.
محققان می‌گویند که با آموزش بیشتر، برنامه هوش مصنوعی ممکن است قادر به تفسیر دقیق تصاویر تا ۵۲ یا حتی ۱۰۴ فریم در ثانیه نیز باشد.
انتهای پیام
