論文の概要: A Neural Network Based Automated IFT-20 Sensory Neuron Classifier for
Caenorhabditis elegans
- arxiv url: http://arxiv.org/abs/2210.14961v1
- Date: Mon, 24 Oct 2022 00:17:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 15:40:07.277054
- Title: A Neural Network Based Automated IFT-20 Sensory Neuron Classifier for
Caenorhabditis elegans
- Title（参考訳）: 線虫Caenorhabditis elegansのためのニューラルネットワークを用いたIFT-20感覚ニューロン分類器
- Authors: Arvind Seshan
- Abstract要約: 組織間比較は、機能ネットワークの全脳分析を含む幅広い研究を可能にする。
線虫 Caenorhabditis elegans における単細胞分解能のパンニューロンイメージングの最近の進歩は、すべての到達範囲におけるニューロンの同定、追跡、活動監視をもたらした。
高い精度で神経細胞を同定する主な障壁は、成人のC. elegansでは神経細胞の体の位置がステレオタイプ化されていないことである。
単色蛍光画像のみを用いた別の神経細胞識別手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Determining neuronal identity in imaging data is an essential task in
neuroscience, facilitating the comparison of neural activity across organisms.
Cross-organism comparison, in turn, enables a wide variety of research
including whole-brain analysis of functional networks and linking the activity
of specific neurons to behavior or environmental stimuli. The recent
development of three-dimensional, pan-neuronal imaging with single-cell
resolution within Caenorhabditis elegans has brought neuron identification,
tracking, and activity monitoring all within reach. The nematode C. elegans is
often used as a model organism to study neuronal activity due to factors such
as its transparency and well-understood nervous system. The principal barrier
to high-accuracy neuron identification is that in adult C. elegans, the
position of neuronal cell bodies is not stereotyped. Existing approaches to
address this issue use genetically encoded markers as an additional identifying
feature. For example, the NeuroPAL strain uses multicolored fluorescent
reporters. However, this approach has limited use due to the negative effects
of excessive genetic modification. In this study, I propose an alternative
neuronal identification technique using only single-color fluorescent images. I
designed a novel neural network based classifier that automatically labels
sensory neurons using an iterative, landmark-based neuron identification
process inspired by the manual annotation procedures that humans employ. This
design labels sensory neurons in C. elegans with 91.61% accuracy.
- Abstract（参考訳）: 画像データにおける神経の同一性を決定することは神経科学において重要な課題であり、生物間での神経活動の比較を促進する。
有機体間の比較によって、機能的ネットワークの全脳分析や特定のニューロンの活動と行動や環境刺激を結びつけるなど、幅広い研究が可能になる。
線虫 Caenorhabditis elegans における1細胞分解能を持つ3次元の汎ニューロンイメージングの最近の進歩は、あらゆる範囲でニューロンの識別、追跡、活動監視をもたらした。
線虫C. elegansは、その透明性やよく理解された神経系などの要因により、神経活動を研究するモデル生物としてしばしば用いられる。
高い精度で神経細胞を同定する主な障壁は、成人のC. elegansでは神経細胞の体の位置がステレオタイプ化されていないことである。
この問題に対処する既存のアプローチでは、遺伝子コード化されたマーカーを追加の識別機能として使用しています。
例えば、NeuroPAL株は多色の蛍光レポーターを使用する。
しかし、このアプローチは過剰な遺伝子改変による悪影響のため、使用が限られている。
本研究では,単色蛍光画像のみを用いた別の神経識別手法を提案する。
私は新しいニューラルネットワークベースの分類器をデザインしました。これは、人間が使う手動アノテーションの手順に触発された反復的なランドマークベースのニューロン識別プロセスを使って、感覚ニューロンを自動的にラベル付けします。
これは91.61%の精度でc. elegansの知覚ニューロンを標識する。
関連論文リスト
- Error-margin Analysis for Hidden Neuron Activation Labels [1.1982127665424676]
これは2つの仕事の第1部であり、他の刺激に対するニューロンの反応、すなわちその正確さを調査することが必須である。
これをニューロンラベルのエラーマージンと呼ぶ。
論文 参考訳（メタデータ） (2024-05-14T19:13:50Z) - Fast gradient-free activation maximization for neurons in spiking neural networks [5.805438104063613]
このようなループのための効率的な設計のフレームワークを提案する。
トレーニング中の人工ニューロンの最適刺激の変化を追跡する。
この洗練された最適刺激の形成は、分類精度の増大と関連している。
論文 参考訳（メタデータ） (2023-12-28T18:30:13Z) - Identifying Interpretable Visual Features in Artificial and Biological
Neural Systems [3.604033202771937]
ニューラルネットワークの単一ニューロンはしばしば、個々の直感的に意味のある特徴を表すものとして解釈される。
多くのニューロンは$textitmixed selectivity$、すなわち複数の無関係な特徴を示す。
本稿では、視覚的解釈可能性の定量化と、ネットワークアクティベーション空間における意味のある方向を見つけるためのアプローチを提案する。
論文 参考訳（メタデータ） (2023-10-17T17:41:28Z) - Neuronal Cell Type Classification using Deep Learning [3.3517146652431378]
機械学習の最近の進歩は、ニューロンを分類する高度な能力を提供してきた。
本研究の目的は,脳の電気生理学的活動に基づいてニューロンを分類する,堅牢で説明可能なディープラーニングフレームワークを提供することである。
論文 参考訳（メタデータ） (2023-06-01T10:28:49Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - Rapid detection and recognition of whole brain activity in a freely
behaving Caenorhabditis elegans [18.788855494800238]
本稿では,脳神経節ニューロンの長期的,迅速な認識のためのカスケードソリューションを提案する。
少数のトレーニングサンプルの制約の下で、ボトムアップアプローチでは、各ボリューム – 1024倍1024倍18ドル – を1秒未満で処理することができます。
我々の研究は、動物行動に基づく脳の活動全体をデコードするための、迅速かつ完全に自動化されたアルゴリズムに向けた重要な発展を示している。
論文 参考訳（メタデータ） (2021-09-22T01:33:54Z) - The distribution of inhibitory neurons in the C. elegans connectome
facilitates self-optimization of coordinated neural activity [78.15296214629433]
線虫Caenorhabditis elegansの神経系は、昆虫のサイズが小さいにもかかわらず著しく複雑である。
一般的な課題は、システムレベルでの神経組織と神経活動の関係をよりよく理解することである。
我々は,各ニューロンの神経伝達物質同定を近似した,C. elegans Connectomeの抽象シミュレーションモデルを実装した。
論文 参考訳（メタデータ） (2020-10-28T23:11:37Z) - Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。
本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文 参考訳（メタデータ） (2020-06-24T20:37:05Z) - Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。
コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
論文 参考訳（メタデータ） (2020-02-02T21:09:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。