文献

J-GLOBAL ID：201702225986565357   整理番号：17A1396573

深い学習を用いた多電極アレイin vivo記録からの神経細胞体の局在化【Powered by NICT】

Localizing neuronal somata from Multi-Electrode Array in-vivo recordings using deep learning

著者 (5件)： Buccino Alessio P. (Department of Informatics, University of Oslo, Norway) ,  Ness Torbjorn V. (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås, Norway) ,  Einevoll Gaute T. (Faculty of Science and Technology, Norwegian University of Life Sciences, Ås, Norway) ,  Cauwenberghs Gert (Department of Bioengineering, University of California San Diego, La Jolla, USA) ,  Hafliger Philipp D. (Department of Informatics, University of Oslo, Norway)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EMBC  ページ： 974-977  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： in vivo神経記録のための高密度多電極アレイ(MEA)の設計および製造における最新の発展に伴い,記録された信号の時空間情報はプローブ周辺ニューロンの位置の正確な推定を可能にした。並行して,神経活動に対する計算モデルの進歩は詳細な形態を持つニューロンからの記録のシミュレーションを可能にする。本アプローチは,大規模なシミュレーションデータの深い学習アルゴリズムを用いる神経細胞体の3D位置を抽出した。ラットの新皮質の層5(L5)における十三の異なる神経形態からのマルチコンパートメントモデルはランダムな位置でMEAに関して異なる配列で配置した。MEAに及ぼすナトリウムトラフと再分極ピーク画像は畳込みニューラルネットワーク(CNN)のための入力特徴,神経位置を予測するロバストとしてと低い誤り率で役立つ。順方向モデリング/機械学習アプローチは,異なる形態のための非常に正確な結果が得られ,異なるニューロン配列に対応することができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  プローブ ,  ロバスト性 ,  三次元 ,  誤り率 ,  畳込み ,  計算モデル ,  *ニューロン ,  機械学習 ,  ニューラルネットワーク ,  学習アルゴリズム
準シソーラス用語： *神経 ,  神経活動 ,  神経記録法 ,  *多電極アレイ , 【Automatic Indexing@JST】

分類 (3件)： 中枢神経系  (EJ12030F) ,  計算機シミュレーション  (JE11000H) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (5件)： 学習 ,  多電極アレイ ,  神経 ,  細胞体 ,  局在化