Американские биологи и математики создали нейросеть, способную автоматически отслеживать даже самые незаметные движения мышц. Алгоритм позволит ученым отказаться от ручного нанесения меток на части тела животных и людей при проведении экспериментов, сообщила во вторник пресс-служба Института биологических исследований Солка.

Работа ученых описана в статье в журнале Nature Communications.

«Созданный нами алгоритм сделает существующие подходы для наблюдений за движениями более гибкими и универсальными. В свою очередь это ускорит изучение того, как мозг контролирует действия, а также поможет раскрыть механизмы развития двигательных нарушений, в том числе болезни Паркинсона и бокового амиотрофического склероза», – заявил ведущий автор работы, доцент Института Солка Эйман Азим, чьи слова приводит пресс-служба организации.

Как отмечают Азим и его коллеги, за последние годы биологи создали множество методик, позволяющих отслеживать движения животных и людей. Как правило, для их работы требуются реальные или виртуальные метки, которые вручную наносятся на изучаемые части тела подопытных или же отмечаются на сотнях и даже тысячах кадров, полученных в ходе видеосъемок.

Ученые предположили, что от этой рутинной работы можно избавиться, если обучить нейросеть распознавать движения по очень большому набору фотографий подопытных с нанесенными на них невидимыми для глаза метками. Для получения подобного массива данных исследователи разработали подход, позволяющий наносить на мышцы и отдельные группы клеток флуоресцентные метки, которые способна увидеть ультрафиолетовая (УФ) камера.

Работу этого подхода ученые проверили на мышах. Исследователи покрыли передние лапы и некоторые другие части тела животных разными типами флуоресцентных красителей при помощи разработанной ими методики. Затем они записали множество видеороликов с разных ракурсов и при разном уровне освещенности при помощи восьми УФ-камер и использовали их для обучения нейросети, получившей имя GlowTrack.

Последующие проверки работы этого алгоритма показали, что он значительно лучше справляется с отслеживанием движений лап мышей, чем подходы, основанные на «ручной» разметке изображений. Это позволяет использовать GlowTrack для ускоренного проведения сложных экспериментов, нацеленных на изучение того, как мозг управляет движением мышц, подытожили ученые.