L'astronomie apprend à voir l'invisible dans le cerveau express
Pour distinguer une étoile faible au-dessus d'une ville nocturne brillante, les astronomes soustraient une image d'une autre – ils suppriment la lueur des lampadaires. Ils font de même avec les neurones vivants : leurs faibles flashs se noient dans le bruit, mais si l'on soustrait tout ce qui est immuable, il ne reste qu'eux. La photométrie et la soustraction d'images ont été affinées pendant des siècles pour la recherche de supernovas dans les galaxies. Désormais, le programme Astro-BEATS fait de même avec des enregistrements vidéo de cellules, captant les moindres variations de luminescence.
Ainsi, on peut traiter rapidement des heures de vidéo et entraîner l'intelligence artificielle. Cela nous rapproche de la compréhension du langage des neurones et, peut-être, de la création d'interfaces cerveau-machine.
Résumé original
tel que rédigé par les auteurs, en anglais arXiv:2603.22311
Fluorescence-based Ca$$^{2+}$$-imaging is a powerful tool for studying localized neuronal activity, including miniature Synaptic Calcium Transients, providing real-time insights into synaptic activity. These transients induce only subtle changes in the fluorescence signal, often barely above baseline, which poses a significant challenge for automated synaptic transient detection and segmentation. Detecting astronomical transients similarly requires efficient algorithms that will remain robust over a large field of view with varying noise properties. We leverage techniques used in astronomical transient detection for miniature Synaptic Calcium Transient detection in fluorescence microscopy. We present Astro-BEATS, an automatic miniature Synaptic Calcium Transient segmentation algorithm that incorporates image estimation and source-finding techniques used in astronomy and designed for Ca$$^{2+}$$-imaging videos. Astro-BEATS outperforms current threshold-based approaches for synaptic Ca$$^{2+}$$ transient detection and segmentation. The produced segmentation masks can be used to train a supervised deep learning algorithm for improved synaptic Ca$$^{2+}$$ transient detection in Ca$$^{2+}$$-imaging data. The speed of Astro-BEATS and its applicability to previously unseen datasets without re-optimization makes it particularly useful for generating training datasets for deep learning-based approaches.
De minuscules flashs d'activité dans les neurones se produisent d'eux-mêmes, sans impulsion extérieure. Les scientifiques débattent encore de leur utilité.
Les auteurs de science-fiction rêvent depuis longtemps de télépathie et de contrôle de machines par la pensée. La capacité à capter les signaux cachés du cerveau rapproche ces rêves de la réalité.