Forscher der University of California, Davis, haben ein miniaturisiertes Mikroskop für Echtzeit-, hochauflösende, nicht-invasive Bildgebung der Gehirnaktivität bei Mäusen geschaffen. Das Gerät ist ein signifikanter Schritt zur Revolution, wie Neurowissenschaftler das Gehirn untersuchen.

Was wir tun, ist die Erstellung von Technologie, um die Aktivität des Gehirns bei der freien Bewegung und Verhalten von Mäusen zu erstellen, um das Verhaltensparadigma zu öffnen. Ziel ist es, ein Gerät zu schaffen, das in Echtzeit die Erforschung der Gehirnaktivität und des Verhaltens in Mäusen ermöglichen kann – um zu sehen, wie Gehirnaktivität das Verhalten oder die Wahrnehmung fördert. „

Weijian Yang, Professor für Elektro- und Computertechnik

Das Mikroskop wird Einblicke in die Funktionsweise des Gehirns vornehmen, was die menschliche Gesundheit zugute kommt, indem die Entwicklung neuer und verbesserter therapeutischer Strategien für Gehirnstörungen gestärkt wird.

Das als Deepinminiscope bezeichnete Bildgebungssystem für die Sitte wird in einem Papier beschrieben, das am 12. September im naturwissenschaftlichen Fortschritt veröffentlicht wurde.

Iteratives Design

Deepinminiscope baut auf Yangs früheren Arbeiten auf, um eine lichtlose Kamera zu erstellen, die dreidimensionale Bilder aus einer einzigen Belichtung erzeugen kann.

Werbung
Hier könnte Ihr Advertorial stehen
Ein Advertorial bietet Unternehmen die Möglichkeit, ihre Botschaft direkt im redaktionellen Umfeld zu platzieren

Dieses Bildgebungssystem war für große Objekte in Umgebungen mit minimaler Lichtstreuung gut geeignet, z. Im lebenden Gewebe ist die Lichtstreuung weit verbreitet, der Signalkontrast ist tendenziell niedrig und die Rekonstruktion komplizierter Merkmale über ein großes Raumvolumen ist ein Rechenproblem.

Deepinminiscope löst diese Probleme mit einem neuen Maskendesign, das mehr als 100 miniaturisierte hochauflösende Lensets enthält. Ein neuartiges neuronales Netzwerk kombiniert Bilder aus jedem Lenslet, um Bilder in 3D zu rekonstruieren.

Tiefe (lernende) Erkenntnisse

Das neuronale Netz von Deepinminiscope kombiniert unterschiedliche Ansätze für maschinelles Lernen, um ein abgerolltes neuronales Netzwerk zu erstellen, das eine sofortige, genaue und hochauflösende Rekonstruktion feiner Details über ein großes 3D-Volumen ermöglicht. Mit diesem Tool haben Yang und sein Forschungsteam die neuronale Aktivität einer Maus in Echtzeit aufgezeichnet.

„Unser Algorithmus kombiniert Interpretierbarkeit, Effizienz, Skalierbarkeit und Präzision“, sagte Feng Tian, ​​ein Postdoktorandenforscher in Yangs Labor und Erstautor auf dem entsprechenden Papier. „Es erfordert nur eine minimale Menge an Schulungsdaten, kann jedoch große Datensätze mit hoher Geschwindigkeit robust und genau verarbeiten.“

Hattrick, Hat-Trick

Indem Yang sein Mikroskop klein und ergonomisch genug macht, damit eine Maus bequem und sicher abnimmt, um sich frei zu tragen, ermöglicht es den Neurowissenschaftlern, das Verhalten in Echtzeit zu untersuchen.

Bei nur 3 Quadratzentimetern, ungefähr so ​​groß wie eine Traube und um das Gewicht von vier Pennys bei 10 Gramm, ist Deepinminiscope fast da.

Wo früher ähnliche Designs durch den großen Fußabdruck einer herkömmlichen Kamera eingeschränkt wurden, verwendet Deepinminiscop einen so kompakten Sensor wie eine nackte Leiterplatte mit einem Bildsensor und nicht mit einem in sich geschlossenen und geschlossenen System.

Yangs ultimatives Ziel ist ein 2 Quadratmesser -Gerät, das er mit der Größe eines Hutes für eine Maus vergleicht. Darüber hinaus möchte Yang für die nächste Iteration das Gerät kabellos machen.

„Durch die Ermöglichung der Echtzeitbeobachtung der Gehirnaktivität bei frei verhaltensfreien Mäusen fördert diese Technologie nicht nur unser grundlegendes Verständnis dafür, wie das Gehirn Informationen verarbeitet und das Verhalten vorantreibt, sondern auch zur Verbesserung unseres Verständnisses von Hirnstörungen und der Entwicklung zukünftiger therapeutischer Strategien beim Menschen.“


Quellen:

Journal reference:

Tian, F., et al. (2025) DeepInMiniscope: Deep learning–powered physics-informed integrated miniscope. Science Advances. doi.org/10.1126/sciadv.adr6687.