Classification de types de neurones à partir de signaux calciques - MISTIS
Communication Dans Un Congrès Année : 2019

Classification of neuron types from calcium imaging

Classification de types de neurones à partir de signaux calciques

Résumé

Videos of calcium activities of mice striatum slices are recorded under stimulations by two-photon fluorescence microscopy. Neurons are selected by regions of interests (ROI) on the images and labelled into two classes: medium spiny neuron (MSN); interneurons (IN). Each ROI enables to obtain a neural signal. Features are extracted on these ROI and signals. A subset feature selection is performed with a quadratic discriminant analysis, to solve the supervised learning of the two classes of neuron of the striatum. It is shown, that a realistic evaluation of the database leads to a classification with an accuracy of 75 % for IN and 90% for MSN.
Les activités calciques de neurones dans des tranches de striatum de souris sont enregistrées en réponse à des stimulations sous forme de films par microscopie de fluorescence biphoton. Les neurones sont répérés sur les images sous forme de régions d'intérêt (ROI) et étiquetés suivant deux classes: neurone épineux moyen (medium spiny neuron, MSN) ; interneurone (interneuron, IN). L'analyse des ROI permet de calculer les signaux calciques neuronaux. Des caractéristiques sont extraites sur ces ROI et sur ces signaux calciques. Une recherche des caractéristiques pertinentes est proposée en utilisant une analyse discriminante quadratique sur la base d'un apprentissage supervisé des deux classes de neurones du striatum. On montre qu'une évaluation réaliste de la base de données permet d'obtenir un taux de bonne classification de l'ordre de 75 % pour les IN, tout en obtenant un taux de bonne classification de l'ordre de 90 % pour les MSN.
Fichier principal
Vignette du fichier
gretsi_2019.pdf (4.95 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-02528364 , version 1 (01-04-2020)
hal-02528364 , version 2 (15-09-2020)

Identifiants

  • HAL Id : hal-02528364 , version 2

Citer

Guillaume Jean-Paul Claude Becq, Nagham Badreddine, Nicolas Tremblay, Florence Appaix, Gisela Zalcman, et al.. Classification de types de neurones à partir de signaux calciques. GRETSI 2019 - XXVIIème Colloque francophone de traitement du signal et des images, Aug 2019, Lille, France. pp.1-12. ⟨hal-02528364v2⟩
266 Consultations
203 Téléchargements

Partager

More