論文の概要: Most discriminative stimuli for functional cell type clustering

• arxiv url: http://arxiv.org/abs/2401.05342v2
• Date: Thu, 14 Mar 2024 15:40:01 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-16 01:52:29.023249
• Title: Most discriminative stimuli for functional cell type clustering
• Title（参考訳）: 機能的細胞型クラスタリングのための最も差別的な刺激
• Authors: Max F. Burg, Thomas Zenkel, Michaela Vystrčilová, Jonathan Oesterle, Larissa Höfling, Konstantin F. Willeke, Jan Lause, Sarah Müller, Paul G. Fahey, Zhiwei Ding, Kelli Restivo, Shashwat Sridhar, Tim Gollisch, Philipp Berens, Andreas S. Tolias, Thomas Euler, Matthias Bethge, Alexander S. Ecker,
• Abstract要約: 網膜では、機能型は慎重に選択された刺激によって識別できるが、これは専門的なドメイン知識を必要とする。 視覚野では、どのような機能型が存在するのか、どのように識別するかはまだ分かっていない。 本稿では,ニューロンの機能的クラスタを得るために,深部予測モデルを用いた最適化に基づくクラスタリング手法を提案する。
• 参考スコア（独自算出の注目度）: 43.92016158113801
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Identifying cell types and understanding their functional properties is crucial for unraveling the mechanisms underlying perception and cognition. In the retina, functional types can be identified by carefully selected stimuli, but this requires expert domain knowledge and biases the procedure towards previously known cell types. In the visual cortex, it is still unknown what functional types exist and how to identify them. Thus, for unbiased identification of the functional cell types in retina and visual cortex, new approaches are needed. Here we propose an optimization-based clustering approach using deep predictive models to obtain functional clusters of neurons using Most Discriminative Stimuli (MDS). Our approach alternates between stimulus optimization with cluster reassignment akin to an expectation-maximization algorithm. The algorithm recovers functional clusters in mouse retina, marmoset retina and macaque visual area V4. This demonstrates that our approach can successfully find discriminative stimuli across species, stages of the visual system and recording techniques. The resulting most discriminative stimuli can be used to assign functional cell types fast and on the fly, without the need to train complex predictive models or show a large natural scene dataset, paving the way for experiments that were previously limited by experimental time. Crucially, MDS are interpretable: they visualize the distinctive stimulus patterns that most unambiguously identify a specific type of neuron.
• Abstract（参考訳）: 細胞型を同定し、その機能的特性を理解することは、認識と認知の基礎となるメカニズムを解明するために重要である。 網膜では、機能型は慎重に選択された刺激によって識別することができるが、これは専門的なドメイン知識を必要とし、これまで知られていた細胞タイプへの手続きをバイアスする。 視覚野では、どのような機能型が存在するのか、どのように識別するかはまだ分かっていない。 したがって、網膜と視覚野の機能的細胞型を未偏見で同定するには、新しいアプローチが必要である。 そこで本研究では, 深部予測モデルを用いた最適化に基づくクラスタリング手法を提案し, MDS(Most Discriminative Stimuli)を用いてニューロンの機能的クラスタを求める。 提案手法は,期待最大化アルゴリズムに類似したクラスタ再割り当てと刺激最適化を交互に行う。 このアルゴリズムはマウス網膜、マーモセット網膜およびマカク視覚領域V4の機能的クラスターを復元する。 このことから,本手法は, 種, 視覚系の段階, 記録技術間での識別的刺激を効果的に発見できることが示唆された。 結果として生じる最も差別的な刺激は、複雑な予測モデルを訓練したり、大きな自然シーンのデータセットを示すことなく、機能的な細胞型を素早くかつ迅速に割り当てることに役立てることができる。 重要なことに、MDSは解釈可能であり、特定の種類のニューロンを明白に識別する特有の刺激パターンを可視化する。

関連論文リスト

• 3D Segmentation of Neuronal Nuclei and Cell-Type Identification using Multi-channel Information [2.6034750171634102]
  本稿では, 神経核の3次元再構成を改良し, セグメンテーションを可能にする手法を提案する。 神経細胞核と3Dセグメンテーションの良好な識別比を提供することができた。
  論文  参考訳（メタデータ） (2024-10-04T09:13:02Z)
• Finding Shared Decodable Concepts and their Negations in the Brain [4.111712524255376]
  我々は、自然視画像観察中に脳の反応をCLIP埋め込みにマッピングする非常に正確なコントラストモデルを訓練する。 次に、DBSCANクラスタリングアルゴリズムの新たな適応を用いて、参加者固有のコントラストモデルパラメータをクラスタリングする。 各SDCクラスタに最も多く,最も関連付けられていない画像を調べることで,各SDCのセマンティック特性についてさらなる知見が得られる。
  論文  参考訳（メタデータ） (2024-05-27T21:28:26Z)
• UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
  ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。 異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。 特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
  論文  参考訳（メタデータ） (2024-02-20T11:50:27Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Brain Diffusion for Visual Exploration: Cortical Discovery using Large Scale Generative Models [6.866437017874623]
  我々は,自然画像とfMRI記録を用いて,与えられた脳領域を活性化するために予測される画像を合成する,データ駆動型アプローチを提案する。 提案手法は,脳誘導画像合成と大規模拡散モデルを組み合わせた最近の生成法に基づいている。 これらの結果は、人間の視覚野の微細な機能的構造に対する理解を深めるものである。
  論文  参考訳（メタデータ） (2023-06-05T17:59:05Z)
• A Neural Network Based Automated IFT-20 Sensory Neuron Classifier for Caenorhabditis elegans [0.0]
  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。
  論文  参考訳（メタデータ） (2022-10-24T00:17:26Z)
• Brain Cortical Functional Gradients Predict Cortical Folding Patterns via Attention Mesh Convolution [51.333918985340425]
  我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。 実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-05-21T14:08:53Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Towards Efficient Processing and Learning with Spikes: New Approaches for Multi-Spike Learning [59.249322621035056]
  各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。 特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。 提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
  論文  参考訳（メタデータ） (2020-05-02T06:41:20Z)

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。