Identification of electrical activity pattern in a cultured neural network by the combination of 3D-clustering and deep neural networks.

通过结合 3D 聚类和深度神经网络来识别培养神经网络中的电活动模式。

基本信息

批准号：
19H04185
负责人：
工藤卓
金额：
$ 10.9万
依托单位：
Kwansei Gakuin University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

今年度は，神経活動パターンを画像化する手法において，其の前処理として新たな方法を2つ試行した．1つは，これまでと同様に情報処理の単位と考えられている電極ごとのバーストをクラスタリングの単位とする手法である．今年度は，一時クラスタの要素ごとにまとめて画像を生成するのではなく，各パターンの出現時間順を維持した形でマップを結合して224x224 画像を形成した．もう一つの手法は，瞬時空間パターンマップを用いた画像生成である．瞬時空間パターンマップとは，刺激開始後に計測された電位信号において，1 刺激(スイープ)ごとに 100 ms の活動について 1 ms 幅の時間窓で活動電位スパイクを検出し，64電極のスパイクカウントデータから作成したマップであり，シナプス間の神経信号伝達が起こらない 1 ms の短い時間幅で区切られた同一の時間窓内で発火した再現性の高い電気活動の空間パターンを示している．これは，刺激が誘発した一つの信号が分岐したり並列したりしながら伝搬した伝搬ストリームの神経活動痕跡を時間順に並べた画像に相当する．第一の手法，第二の手法ともに90% 以上の高精度で自発性活動パターンと誘発応答パターンの識別に成功した．第二の手法では，空間優先神経活動パターンイメージの識別精度は神経回路網ごとにばらつきがあったものの，概ね 90％を超えたところで収束したが，エポックごとの識別精度が不安定な傾向があった. 時間優先神経活動パターンイメージの識別精度は，ほぼ100％に近く，空間優先神経活動パターンイメージと比較して精度が収束するまでのエポック数が少ない傾向があった．空間優先も時間優先も共に高い識別精度であったことから，信号の時空間的伝搬であるストリームがニューラルネットワークの識別に大きく影響する可能性が示された.

今年，我们尝试了两种新方法作为预处理方法来图像神经活动模式。一种方法是一种方法，每个电极的突发被认为是信息处理的单位，就像以前一样用作聚类单位。今年，我们没有为临时群集的每个元素生成图像，而是组合了地图以形成224x224图像，从而保持了每种模式的外观顺序。另一种方法是使用瞬时空间图案图产生图像。瞬时空间图表图是由64个电极的尖峰计数数据产生的地图，其中在刺激开始后测得的潜在信号（扫描）中测得的潜在信号中检测到动作电位尖峰（扫描），并且是由64个电极的高度复制活动中的一个相同的时间来源的，并且是从峰值计数中产生的，并且是一个高度复制的活动。 MS，突触之间没有神经信号传递。这对应于一个图像，在该图像中，传播流中神经活动的痕迹是由刺激引起的单个信号传递的图像，以时间顺序排列。第一和第二种方法都能够成功识别自发活动模式，并诱发了高精度超过90％的响应模式。在第二种方法中，尽管空间优选的神经元活动模式图像的识别精度因一个神经网络而异，但歧视的准确性通常以90％以上的收敛，但是每个时期的识别精度往往不稳定。时间优先神经元活动模式图像的识别准确性几乎为100％，并且与空间优选的神经元活动模式图像相比，直到精度收集到精度为止。空间优先级和时间优先级都高度歧视精度，表明这是信号的时空传播的流可能会对神经网络识别产生重大影响。