Neurogeometry实验室

研究

算法和软件开发神经回路的自动分析

很大一部分的研究工作Neurogeometry集团致力于发展自动化分析的算法和软件工具3 d光学显微镜图像的神经元。因为大部分哺乳动物大脑突触连接是由长期预测的兴奋性神经元的轴突,公正的连通性测量需要高通量成像和重建的神经回路在整个大脑的规模。同样,结构性变化在连接通常必须长期监测,需要自动化。我们利用最新的图像处理和机器学习等方法,使实验。我们的软件包括NCTracer网络自动和手动跟踪探明,BoutonAnalyzer检测和跟踪的结构性变化在延时成堆的剑头图片,和注册商空间和时间注册图像栈。

学习和记忆的生理限制人工神经网络

在成人大脑突触连接的变化在很大程度上局限于潜在的突触网站,即位置重叠区域的轴突和树突的乔木创造剑头的轴突和树突棘会导致突触的形成。因为大规模神经元的形态保持不变在这个过程中,我们追求的假设大脑连接体的基本特征结果写回忆到静态结构网格由神经元乔木。这个假设测试的一系列研究中统计物理学的方法被用来研究生物的属性约束复发性神经网络具有学习能力的预定义的序列的网络状态。中央发现这些研究是,当单个神经元强劲加载流程的记忆可以支持,网络发展许多属性,与实验观测一致。

推断的原则,通过分析神经元突触连接形态

我们分析的三维形态学重建轴突和树突乔木来推断规则的突触连接。众多研究结果,本研究显示,(i)皮质电路结构塑性有很大的潜力与树突棘的形成和消除(ii)抑制性神经元的轴突显示特异性的布局相对于突触后的目标,而兴奋性神经元轴突展览没有特异性,(iii)的优势在大脑皮层结构和功能预测相关,(iv)大脑皮层的连接列是高度非本地的多数神经元突触来自列外,和(v)神经元之间的突触形成合作,这样连接介导的突触的数量大于一个阈值是稳定的,而较小的连接是消除。