一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      新型三維神經(jīng)網(wǎng)絡(luò)高速電壓成像技術(shù)

      jf_64961214 ? 來(lái)源：jf_64961214 ? 作者：jf_64961214 ? 2025-03-06 06:28 ? 次閱讀

      wKgZO2fI0ACAIajTAAHV24aW5Pc641.jpg

      三維光場(chǎng)電壓成像顯微鏡示意圖和小鼠腦三維神經(jīng)網(wǎng)絡(luò)電壓成像示例圖

      近日，中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心王凱研究組在《自然·方法》(Nature Methods)上，在線發(fā)表了題為Volumetric Voltage Imaging of Neuronal Populations in Mouse Brain by Confocal Light Field Microscope的研究論文。該研究開(kāi)發(fā)了新型三維光場(chǎng)顯微成像技術(shù)，提升了神經(jīng)元電壓光學(xué)成像的通量。這一技術(shù)能夠?qū)π∈竽X三維神經(jīng)網(wǎng)絡(luò)中數(shù)百神經(jīng)元的膜電位進(jìn)行高速同步記錄，為解析神經(jīng)網(wǎng)絡(luò)的信息處理機(jī)制提供了新工具。

      光場(chǎng)成像需要高靈敏度、大靶面的相機(jī)來(lái)同時(shí)記錄多個(gè)視角的投影圖像。而由于相機(jī)的數(shù)據(jù)帶寬受限，大靶面相機(jī)的幀率無(wú)法滿足電壓成像的速度需求。

      該團(tuán)隊(duì)提出通過(guò)降低采集圖像的動(dòng)態(tài)范圍來(lái)?yè)Q取更高的幀率。通常情況下電壓成像需要較高的動(dòng)態(tài)范圍來(lái)捕捉高基線上微弱變化的信號(hào)，但該團(tuán)隊(duì)采用廣義共聚焦原理，高選擇性濾除背景來(lái)降低信號(hào)基線，并整合多個(gè)視角的信息，實(shí)現(xiàn)了利用低動(dòng)態(tài)范圍的相機(jī)來(lái)高效捕捉微弱的電壓信號(hào)。

      進(jìn)一步，為了最大限度降低系統(tǒng)的噪聲，該團(tuán)隊(duì)探討了光場(chǎng)成像中的噪聲來(lái)源，發(fā)現(xiàn)了激光光源的強(qiáng)度噪聲、掃描振鏡的同步噪聲以及動(dòng)物血液流動(dòng)導(dǎo)致的激光散斑噪聲均能夠降低電壓成像的信噪比。同時(shí)，該研究提出了基于單振鏡雙面掃描的共聚焦光場(chǎng)成像技術(shù)。這一技術(shù)結(jié)合高數(shù)值孔徑的光照明策略和新數(shù)據(jù)處理方法，將系統(tǒng)噪聲降低至泊松噪聲理論極限。

      為了最大化熒光信號(hào)的捕獲效率，實(shí)現(xiàn)長(zhǎng)時(shí)程持續(xù)電壓成像，該研究?jī)?yōu)化了系統(tǒng)的光學(xué)效率。研究顯示，通過(guò)自主設(shè)計(jì)定制密集排列的微透鏡陣列并最小化光學(xué)元件的數(shù)量，系統(tǒng)的通光效率比前期工作提高約3倍。

      該團(tuán)隊(duì)將這些成果整合在新型共聚焦光場(chǎng)顯微鏡中，實(shí)現(xiàn)了對(duì)清醒小鼠腦三維視場(chǎng)中數(shù)百個(gè)神經(jīng)元的電壓信號(hào)的同步記錄，并以每秒400幀的速度連續(xù)成像超過(guò)20分鐘。新型共聚焦光場(chǎng)顯微鏡彌補(bǔ)了電壓成像在成像通量、信噪比與成像時(shí)長(zhǎng)上的不足，提升了電壓成像的應(yīng)用范圍。為了驗(yàn)證電壓成像獲取的信號(hào)真實(shí)可靠，該團(tuán)隊(duì)記錄了清醒小鼠初級(jí)視皮層中數(shù)百個(gè)神經(jīng)元對(duì)光柵視覺(jué)刺激的反應(yīng)特性。通過(guò)對(duì)神經(jīng)元?jiǎng)幼麟娢话l(fā)放情況的統(tǒng)計(jì)，電壓成像鑒別出具有不同方向選擇性的神經(jīng)元，而這些具有調(diào)諧特征的神經(jīng)元占比與該區(qū)域已知的神經(jīng)元特性相符。

      進(jìn)而，該團(tuán)隊(duì)對(duì)數(shù)百個(gè)神經(jīng)元構(gòu)成的三維神經(jīng)網(wǎng)絡(luò)進(jìn)行了功能連接分析。研究發(fā)現(xiàn)，與膜片鉗記錄相比，電壓成像可在清醒動(dòng)物中開(kāi)展，且通量提高約100倍。分析表明，神經(jīng)元之間同時(shí)存在興奮性和抑制性功能連接，在短距離內(nèi)抑制性連接強(qiáng)于興奮性連接。這種興奮-抑制的連接差異在三維空間上近似垂直于皮層表面的圓柱體。

      該團(tuán)隊(duì)研發(fā)了新型三維電壓成像新技術(shù)，提高了電壓成像的通量，使在清醒動(dòng)物中進(jìn)行三維神經(jīng)網(wǎng)絡(luò)的功能聯(lián)接分析成為可能。這一技術(shù)為電壓成像技術(shù)的應(yīng)用奠定了基礎(chǔ)，并為神經(jīng)科學(xué)研究提供了新工具。

      研究工作得到科學(xué)技術(shù)部、國(guó)家自然科學(xué)基金委員會(huì)、中國(guó)科學(xué)院及中國(guó)博士后科學(xué)基金的支持。

      審核編輯 黃宇

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
      • 激光
        +關(guān)注

        關(guān)注

        20

        文章

        3385

        瀏覽量

        65620
      • 神經(jīng)網(wǎng)絡(luò)

        關(guān)注

        42

        文章

        4797

        瀏覽量

        102321
      收藏 人收藏

        評(píng)論

        相關(guān)推薦

        在結(jié)構(gòu)光三維成像方面DLP LightCrafter 4500如何連續(xù)投射彩色圖？

        結(jié)構(gòu)光三維成像方面，DLP LightCrafter 4500 如何連續(xù)投射彩色圖？一般我們生成三張不同相移的灰度圖，然后合成24bit，依次投射灰度圖，但是這樣并不是一張RGB彩色圖的效果。我們希望直接投射出24bit 彩色
        發(fā)表于 02-25 08:23

        卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

        神經(jīng)網(wǎng)絡(luò)，也稱為全連接神經(jīng)網(wǎng)絡(luò)（Fully Connected Neural Networks，F(xiàn)CNs），其特點(diǎn)是每一層的每個(gè)神經(jīng)元都與下一層的所有神經(jīng)元相連。這種結(jié)構(gòu)簡(jiǎn)單直觀，但在
        的頭像 發(fā)表于 11-15 14:53 ?1382次閱讀

        中國(guó)研發(fā)出新型三維電壓成像新技術(shù)

        10月29日，中國(guó)科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心的王凱研究團(tuán)隊(duì)宣布了一項(xiàng)重大突破：他們成功研發(fā)出一種新型三維電壓成像
        的頭像 發(fā)表于 10-29 14:34 ?463次閱讀

        神經(jīng)網(wǎng)絡(luò)三要素包括什么

        神經(jīng)網(wǎng)絡(luò)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而發(fā)展起來(lái)的數(shù)學(xué)模型，它在人工智能、機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等領(lǐng)域有著廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)的三要素包括神經(jīng)元、權(quán)
        的頭像 發(fā)表于 07-11 11:05 ?1767次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
        的頭像 發(fā)表于 07-10 15:24 ?2077次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來(lái)發(fā)展等多個(gè)方面，詳細(xì)闡述BP
        的頭像 發(fā)表于 07-10 15:20 ?1885次閱讀

        rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

        RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列數(shù)據(jù)，具有記憶功能。以下是關(guān)于循環(huán)
        的頭像 發(fā)表于 07-05 09:52 ?858次閱讀

        遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

        遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）實(shí)際上是同一個(gè)概念，只是不同的翻譯方式
        的頭像 發(fā)表于 07-04 14:54 ?1264次閱讀

        循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

        循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是深度學(xué)習(xí)領(lǐng)域中兩種非常重要的神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 07-04 14:24 ?1799次閱讀

        深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

        在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
        的頭像 發(fā)表于 07-04 13:20 ?1505次閱讀

        反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡(jiǎn)稱BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的
        的頭像 發(fā)表于 07-03 11:00 ?1063次閱讀

        bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò)，它們?cè)?/div>
        的頭像 發(fā)表于 07-03 10:12 ?2179次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的原理與實(shí)現(xiàn)

        核心思想是通過(guò)卷積操作提取輸入數(shù)據(jù)的特征。與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)不同，卷積神經(jīng)網(wǎng)絡(luò)具有參數(shù)共享和局部連接的特點(diǎn)，這使得其在處理圖像等高維數(shù)據(jù)時(shí)具有更高的效率和更好的性能。 卷積層 卷積層是卷積神經(jīng)網(wǎng)
        的頭像 發(fā)表于 07-02 16:47 ?1025次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        化能力。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
        的頭像 發(fā)表于 07-02 14:24 ?5643次閱讀

        神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些

        神經(jīng)網(wǎng)絡(luò)架構(gòu)是機(jī)器學(xué)習(xí)領(lǐng)域中的核心組成部分，它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式，通過(guò)復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)信息的處理、存儲(chǔ)和傳遞。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，各種
        的頭像 發(fā)表于 07-01 14:16 ?1255次閱讀