Brainana: an end-to-end preprocessing framework for macaque neuroimaging
Brainana is een geautomatiseerd, gecontaineriseerd en cloud-toegankelijk framework dat is ontworpen om de end-to-end preprocessing van macaque neuroimaging-data te standaardiseren en te stroomlijnen door de integratie van deep learning-modellen, anatomische optimalisaties en kwaliteitscontrole om reproduceerbare, schaalbare en over studies heen vergelijkbare resultaten te waarborgen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Het brein van een makakeraap is een krachtige brug in de neurowetenschap. Het verbindt de brede, niet-invasieve kaarten die we van het menselijk brein kunnen maken met de minuscule, cellulaire details die we alleen kunnen zien door in een levend dier te kijken. Onderzoekers gebruiken deze apen om ideeën over hoe het brein is bedraad te testen, in de hoop dat die ideeën zullen verklaren hoe menselijke geesten werken. Hiervoor maken ze gedetailleerde foto's van het brein van de aap met behulp van magnetische resonantie beeldvorming, een technologie die heldere beelden van zacht weefsel creëert zonder chirurgie. Maar het omzetten van die ruwe beelden in bruikbare wetenschappelijke kennis is ongelooflijk moeilijk. In tegen tegenstelling tot menselijke scans, die vaak een standaardformaat volgen, komen aaps scans uit veel verschillende laboratoria, met verschillende machines, verschillende positioneringen en verschillende instellingen. Deze variëteit creëert een chaotische mix van data die moeilijk te vergelijken is. Zonder een manier om deze beelden op te schonen en te standaardiseren, blijft de waardevolle informatie erin vaak opgesloten, bruikbaar voor slechts het specifieke team dat de gegevens heeft verzameld.
Een team van onderzoekers heeft nu een oplossing gebouwd voor dit probleem genaamd Brainana. Het is een volledig, geautomatiseerd systeem ontworpen om ruwe hersenscans van macroscopische apen te nemen en deze om te zetten in schone, gestandaardiseerde en gemakkelijk bruikbare data. Voordat dit hulpmiddel bestond, moesten wetenschappers veel verschillende softwareprogramma's bij elkaar zoeken en vaak hun eigen aangepaste code schrijven om ze samen te laten werken. Dit proces was traag, foutgevoelig en moeilijk te herhalen. Brainana vervangt die lappendeken door een enkele, verenigde pijplijn die elke stap van de klus afhandelt. Het neemt de rommelige, ruwe beelden, herstelt veelvoorkomende fouten zoals scheve oriëntaties of ontbrekende delen van het brein, en maakt vervolgens een gedetailleerde 3D-kaart van het oppervlak van het brein. Cruciaal is dat het dit alles doet terwijl het precies bijhoudt hoe de data is veranderd, waardoor onderzoekers met vertrouwen resultaten van de ene aap met die van de andere, of van het ene lab met die van het andere, kunnen vergelijken.
Het systeem werd getest op data van 130 apen verzameld bij 23 verschillende beeldvormingslocaties. Deze locaties gebruikten een grote verscheidenheid aan scanners en protocollen, die het volledige bereik van de omstandigheden in de echte wereld vertegenwoordigen. Het hulpmiddel verwerkte deze diverse data succesvol en produceerde consistente resultaten die overeenkwamen met bekende anatomische patronen. Zo identificeerde het correct dat rhesusapen grotere hersenen hebben, met een gemiddelde van 84 milliliter, terwijl cynomolgusapen kleinere hersenen hebben, met een gemiddelde van 62 milliliter. Het bracht ook de dikte van de buitenste laag van het brein in kaart en vond dat deze aan de voorkant van het brein dikker is en aan de achterkant dunner, een patroon dat overeenkomt met eerdere studies. Wanneer de onderzoekers naar de hersenactiviteit tijdens taken keken, behield het systeem de precieze locaties waar het brein reageerde op gezichten, lichamen en objecten. Het behield ook de natuurlijke patronen van verbinding tussen verschillende hersengebieden wanneer de dieren in rust waren. Deze resultaten tonen aan dat het hulpmiddel de rommelige realiteit van wetenschappelijke data kan verwerken zonder de belangrijke details te verliezen.
Wat Brainana bijzonder nuttig maakt, is dat het niet alleen getallen produceert; het produceert data die mensen daadwerkelijk kunnen zien en begrijpen. De onderzoekers hebben een begeleidende viewer gebouwd die alle outputbestanden automatisch organiseert. Een wetenschapper kan deze viewer openen en onmiddellijk het brein in drie dimensies zien, waarbij het oppervlak van het brein gekoppeld is aan de interne doorsneden. Ze kunnen op een punt op het oppervlak klikken en direct de overeenkomstige locatie in het volume zien, samen met labels die de hersenregio identificeren. Dit elimineert de noodzaak van gespecialiseerde training in complexe bestandsformaten. Een onderzoeker die een experiment plant, kan de tool gebruiken om precies te zien waar een elektrode moet worden geplaatst, of een clinicus kan naar een scan kijken om te begrijpen hoe een specifiek hersengebied zich verhoudt tot een gedrag, zonder een expert te hoeven zijn in beeldverwerkingssoftware.
Het systeem lost ook een specifiek hoofdpijndossier op dat gebruikelijk is in apenonderzoek: de manier waarop de dieren tijdens de scans worden gepositioneerd. Omdat apen vaak op hun plaats worden gehouden met kopsteunen of andere hardware, kunnen hun hersenen in de beelden gekanteld of afgesneden lijken. Standaard computerprogramma's falen vaak wanneer ze geconfronteerd worden met deze vreemde hoeken. Brainana bevat een speciale stap die het beeld voorzichtig roteert en uitlijnt in een standaardpositie zonder de vorm van het brein te vervormen. Deze eenvoudige fix zorgt ervoor dat de rest van het geautomatiseerde proces correct werkt, zelfs bij moeilijke scans. De tool gebruikt ook geavanceerde computermodellen die specifiek op apenhersenen zijn getraind om verschillende soorten weefsel, zoals grijze stof en witte stof, met hoge nauwkeurigheid te scheiden. In tests labelden deze modellen meer dan 90 procent van de minuscule bouwstenen van het brein correct, zelfs in gebieden waar het weefsel dun of moeilijk te zien is.
Door het proces van het opschonen en analyseren van apenhersenscans automatisch en toegankelijk te maken, opent dit werk de deur naar veel grotere samenwerkingen. Wetenschappers kunnen hun data nu gemakkelijker delen, wetende dat hun resultaten op dezelfde manier worden verwerkt als die van de rest. Dit maakt het mogelijk om data van vele verschillende studies te combineren om vragen te beantwoorden die te groot zijn voor een enkel lab om alleen aan te pakken. De tool is publiek beschikbaar als een pakket dat kan draaien op standaardcomputers of in de cloud, wat betekent dat zelfs onderzoekers zonder krachtige supercomputers er gebruik van kunnen maken. Het vertegenwoordigt een verschuiving van geïsoleerde, op maat gemaakte oplossingen naar een gedeelde, betrouwbare infrastructuur voor het begrijpen van het brein van primaten.
De onderzoekers benadrukken dat dit hulpmiddel is ontworpen om naast andere methoden te werken, en niet om ze te vervangen. Het handelt de zware taken van de voorbereiding af, waardoor wetenschappers vrijkomen om zich te concentreren op de biologische vragen die ze willen beantwoorden. Of het doel nu is om een hersenscan te koppelen aan een registratie van een enkele neuron, of om de hersenstructuur tussen verschillende soorten te vergelijken, het hebben van een schoon, gestandaardiseerd startpunt is essentieel. Het werk laat zien dat de diversiteit van data in de makakneurowetenschap, die ooit als een barrière werd gezien, effectief beheerd kan worden. Met dit nieuwe kader kan het vakgebied vooruitgaan met een duidelijker, meer verenigd beeld van hoe het brein is georganiseerd, wat ons dichter bij het begrijpen van de mechanismen brengt die zowel het gedrag van apen als dat van mensen ten grondslag liggen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.