Inferring Pyramidal Neuron Morphology using EAP Data.
Inferring Pyramidal Neuron Morphology using EAP Data.
复制标题
DOI：
10.1109/ner52421.2023.10123903
复制
发表时间：
2023-04
期刊：
影响因子：
--
通讯作者：
Nair, Satish S.
中科院分区：
文献类型：
--
作者：
Chen, Ziao;Carroll, Matthew;Nair, Satish S.
我们报告了一种计算算法，该算法使用逆建模方案，使用时空细胞外动作电位记录来推断皮质锥体神经元的神经元位置和形态。我们首先开发了一个通用的锥体神经元模型，具有程式化的形态和活动通道，可以模拟来自不同皮质层的锥体细胞的真实电生理动力学。通用程式化的单神经元模型具有用于索马定位以及树突的形态和方向的可调参数。选择参数的范围以包括啮齿动物初级运动皮层中锥体神经元类型的形态。然后，我们开发了一种机器学习方法，该方法使用从程式化模型模拟的局部场电位来训练预测程式化神经元模型参数的卷积神经网络。初步结果表明，所提出的方法可以可靠地推断出关键的位置和形态参数使用模拟的EAP波形的时空轮廓。我们还提供了部分支持，以验证使用体内数据的推理算法。最后，我们强调了所涉及的问题以及开发自动化该计划的管道的持续工作。
We report a computational algorithm that uses an inverse modeling scheme to infer neuron position and morphology of cortical pyramidal neurons using spatio-temporal extracellular action potential recordings.. We first develop a generic pyramidal neuron model with stylized morphology and active channels that could mimic the realistic electrophysiological dynamics of pyramidal cells from different cortical layers. The generic stylized single neuron model has adjustable parameters for soma location, and morphology and orientation of the dendrites. The ranges for the parameters were selected to include morphology of the pyramidal neuron types in the rodent primary motor cortex. We then developed a machine learning approach that uses the local field potential simulated from the stylized model for training a convolutional neural network that predicts the parameters of the stylized neuron model. Preliminary results suggest that the proposed methodology can reliably infer the key position and morphology parameters using the simulated spatio-temporal profile of EAP waveforms. We also provide partial support to validate the inference algorithm using in vivo data. Finally, we highlight the issues involved and ongoing work to develop a pipeline to automate the scheme.
登录
查看更多内容
影响因子：
5.7
作者：
Steinmetz NA;Koch C;Harris KD;Carandini M
通讯作者：
Carandini M
影响因子：
3.4
作者：
Feng, Feng;Headley, Drew B.;Nair, Satish S.
通讯作者：
Nair, Satish S.
影响因子：
5.3
作者：
Ledergerber, Debora;Larkum, Matthew Evan
通讯作者：
Larkum, Matthew Evan
影响因子：
5.3
作者：
Vu, Mai-Anh T.;Adali, Tulay;Dzirasa, Kafui
通讯作者：
Dzirasa, Kafui
影响因子：
3.2
作者：
Marblestone AH;Wayne G;Kording KP
通讯作者：
Kording KP