Создан миниатюрный микроскоп для 3D-визуализации мозга у свободно движущихся мышей

Разработанный профессором электротехники Калифорнийского университета в Дэвисе Вэйцзяном Яном микроскоп DeepInMiniMicroscope сочетает оптические технологии и машинное обучение для создания устройства, способного делать высококачественные трехмерные изображения внутри живой ткани. Автор: Марио Родригес/UC Davis

Исследователи из Калифорнийского университета в Дэвисе создали миниатюрный микроскоп для наблюдения за активностью мозга у мышей в реальном времени с высоким разрешением и без инвазивного вмешательства. Это устройство представляет собой значительный шаг к революции в методах изучения мозга нейробиологами.

«Мы создаем технологию для визуализации мозговой активности у свободно движущихся и ведущих естественное поведение мышей, чтобы открыть новые парадигмы в исследованиях поведения, — пояснил Вэйцзянь Ян, профессор электротехники и вычислительной техники. — Цель — создать устройство, способное обеспечить исследования мозговой активности и поведения мышей в реальном времени, чтобы увидеть, как активность мозга управляет поведением или восприятием».

Микроскоп позволит углубить понимание работы мозга, что, как ожидается, принесет пользу здоровью человека, способствуя разработке новых и улучшенных терапевтических стратегий для лечения заболеваний мозга.

Эта первая в своем роде система визуализации, известная как DeepInMiniscope, была описана в статье, опубликованной 12 сентября в журнале Science Advances.

Итеративный дизайн

DeepInMiniscope основан на предыдущей работе Яна по созданию безлинзовой камеры, способной производить трехмерные изображения с одного кадра.

Эта система визуализации хорошо подходила для крупных объектов в условиях минимального рассеяния света, например, для роботизированного зрения при сборке деталей, но с трудом справлялась с захватом деталей биологических или биомедицинских образцов. В живой ткани рассеяние света является распространенным явлением, контраст сигнала, как правило, низкий, а реконструкция сложных особенностей в большом объеме пространства представляет собой вычислительную проблему.

DeepInMiniscope решает эти проблемы с помощью новой конструкции маски, содержащей более 100 миниатюрных высокоразрешающих линз. Новая нейронная сеть объединяет изображения с каждой линзы для реконструкции изображений в 3D.

Глубокие (обучающиеся) прозрения

Нейронная сеть DeepInMiniscope сочетает различные подходы к машинному обучению для создания развернутой нейронной сети, которая позволяет мгновенно, точно и с высоким разрешением восстанавливать мелкие детали в большом 3D-объеме. Используя этот инструмент, Ян и его исследовательская группа записали нейронную активность мыши в реальном времени.

«Наш алгоритм сочетает интерпретируемость, эффективность, масштабируемость и точность, — сказал Фэн Тянь, научный сотрудник постдокторантуры в лаборатории Яна и первый автор соответствующей статьи. — Для него требуется лишь минимальный объем обучающих данных, при этом он может надежно и точно обрабатывать большие наборы данных на высокой скорости».

Трюк с шляпой

Сделав свой микроскоп достаточно маленьким и эргономичным, чтобы мышь могла комфортно и безопасно носить его во время свободного перемещения, Ян стремится позволить нейробиологам изучать поведение в реальном времени.

При размере всего 3 квадратных сантиметра (примерно с виноградину) и весе около 10 граммов (как четыре одноцентовые монеты), DeepInMiniscope почти достиг этой цели.

В то время как более ранние аналогичные конструкции были ограничены большими габаритами традиционной камеры, DeepInMiniscope использует сенсор, компактный, как голая печатная плата с датчиком изображения, а не автономную и закрытую систему.

Конечная цель Яна — устройство размером 2 квадратных сантиметра, которое он сравнивает с размером шляпы для мыши. Кроме того, для следующей версии Ян хочет сделать устройство беспроводным.

«Благодаря возможности наблюдения за мозговой активностью в реальном времени у свободно ведущих себя мышей, эта технология не только продвигает наше фундаментальное понимание того, как мозг обрабатывает информацию и управляет поведением, но также способствует улучшению нашего понимания расстройств мозга и разработке будущих терапевтических стратегий для людей».

Больше информации: Feng Tian et al, DeepInMiniscope: Deep-learning-powered Physics-informed Integrated Miniscope, Science Advances (2025). DOI: 10.1126/sciadv.adr6687. www.science.org/doi/10.1126/sciadv.adr6687

Источник: UC Davis