面向神经突触连接组的深度学习算法研究及应用
文献类型:学位论文
作者 | 刘静 |
答辩日期 | 2021-11-25 |
文献子类 | 博士 |
授予单位 | 中国科学院大学 |
授予地点 | 中国科学院自动化研究所 |
导师 | 韩华 |
关键词 | 神经突触 连接组 电子显微镜 深度学习 重建 |
学位专业 | 模式识别与智能系统 |
英文摘要 | 神经突触连接组的绘制是理解大脑工作原理,探究脑疾病发生机制的重要手段。随着序列扫描电子显微镜成像技术的快速发展,解析神经元间的三维突触连接,绘制纳米尺度的大脑线路图已成为可能。然而,不同的脑区组织以及成像方式均有可能导致特异性的数据特点和表现形式,直接应用相同的深度学习算法难以取得满意的效果。 基于扫描电子显微镜序列图像,本文首先基于卷积神经网络构建了神经突触连接组的算法基础,包括突触、线粒体的自动重建算法以及神经元的自动追踪算法。随后,面向小鼠听觉系统不同功能环节的具体科学问题,针对不同脑区、不同成像方式的数据设计了定制化的识别算法,以满足不同场景任务下的重建需求。最后,基于上述算法分别探究了小鼠耳蜗带状突触和听觉皮层多位点突触的组织结构和连接模式,为神经突触实现精细的功能调控提供了结构性的证据。论文的主要成果和贡献如下: 1. 提出了一种基于卷积神经网络的两步式突触、线粒体识别算法。 2. 提出了一种基于 convLSTM 的神经元追踪算法。 3. 面向小鼠耳蜗带状突触,建立了一种基于 3D Detection Network 的突触识别算法,量化分析结果发现了异质性突触功能精细调节的结构性证据。 4. 面向小鼠听觉皮层多位点突触,建立了一种多位点突触快速定位和分类的算法,量化分析结果发现一种特殊的突触连接模式与恐惧记忆相关。
|
语种 | 中文 |
页码 | 154 |
源URL | [http://ir.ia.ac.cn/handle/173211/46604] |
专题 | 自动化研究所_类脑智能研究中心 |
推荐引用方式 GB/T 7714 | 刘静. 面向神经突触连接组的深度学习算法研究及应用[D]. 中国科学院自动化研究所. 中国科学院大学. 2021. |
入库方式: OAI收割
来源:自动化研究所
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。