Brainways: An AI-based Tool for Automated Registration, Quantification and Generation of Brain-wide Activity Networks Based on Fluorescence in Coronal Slices
Notice bibliographique
Résumé
A central current trend in neuroscience involves the identification of brain-wide neural circuits associated with complex behavior. A major challenge for this approach involves the laborious process for registration and quantification of fluorescence on histological brain slices, as well as the difficulty of deriving functional insight from the complex resulting datasets. As a solution, we developed Brainways, a simple-to-use AI-based open-source software for the identification of neural networks involved in a specific behavior, from digital images to network analysis. Brainways offers automatic registration of coronal slices to any 3D brain atlas, and provides quantification of fluorescent markers (e.g. activity marker, tracer) per region, as well as statistical comparisons with visual mapping of contrasts between conditions. A built-in partial least squares task analysis provides the neural patterns associated with a specific contrast, as well as network graph analysis representing functional connectivity. Trained on atlases for rats and mice, Brainways currently provides above 80% atlas registration accuracy and allows the user to easily adjust the outputs for better fit. Below, a case study validation of Brainways is demonstrated on a previously published data set describing the neural correlates of empathic helping behavior in rats. The original results were successfully replicated and expanded upon, due to the exponentially larger sample size that covered over a 100 times more brain tissue compared to the original manual sampling. Brainways thus provides a fast, accurate solution for quantification of large-scale projects and facilitates novel neurobiological insights about the structural and functional neural networks involved in complex behavior. Brainways has a highly accessible GUI and is functionality exposed through a Python-based API, which can be enhanced for different applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,008 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».