Un conjunto de datos de segmentación de vídeo del cortex de ratón para el seguimiento de señales ópticas intrínsecas y el análisis de la actividad neuronal

Observar las ondas cerebrales sin abrir el cráneo

Comprender cómo las ondas de actividad se propagan por el cerebro es esencial para abordar trastornos como la epilepsia, el ictus y la demencia. Pero observar estas ondas directamente en cerebros vivos es técnicamente exigente. Este estudio presenta MouseCortex-IOS, un conjunto de datos abierto cuidadosamente compilado que permite a investigadores de todo el mundo explorar cómo se extiende la actividad cerebral por la superficie del córtex en ratones y probar nuevas herramientas de inteligencia artificial (IA) para analizarla de forma más fiable y automática.

Una cámara sobre el cerebro vivo

En lugar de insertar electrodos en el cerebro, los investigadores emplearon un método llamado imagen de señales ópticas intrínsecas, en el que una cámara sensible observa a través de una pequeña ventana en el cráneo del ratón. Cambios sutiles en cómo la superficie cerebral refleja la luz revelan variaciones en la sangre y el oxígeno vinculadas a la actividad neuronal. Estos cambios son extremadamente débiles —a menudo menos de unos pocos porcentajes respecto al fondo— y se ven fácilmente enmascarados por ruido o pequeños movimientos, lo que ha dificultado la interpretación de los datos y la comparación entre laboratorios.

Convertir películas ruidosas en mapas significativos

Para abordar esto, el equipo creó un conjunto de datos a partir de 14 ratones sometidos a diferentes condiciones experimentales, incluyendo estimulación nerviosa y desencadenantes químicos de ondas expansivas de actividad cerebral. De largas sesiones de grabación extrajeron 5.732 imágenes clave agrupadas en 194 clips de vídeo cortos. Antes de que la IA tocara los datos, las películas en escala de grises se procesaron en tres pasos: primero, los fotogramas se promediaron en el tiempo para reducir el ruido aleatorio y el movimiento; segundo, se calcularon las diferencias entre fotogramas para resaltar los cambios reales en la señal; y tercero, las señales limpias se convirtieron en mapas de color para que los patrones de actividad destacaran claramente frente al fondo.

Dejar que un asistente IA dibuje los límites

Una vez creados estos mapas más claros, los autores utilizaron una nueva familia de herramientas de IA originalmente diseñadas para “segmentar cualquier cosa” en imágenes y vídeos. En su flujo de trabajo, un experto humano solo necesita marcar el área de interés en el primer fotograma de un clip. El modelo de IA, adaptado para vídeo, sigue entonces automáticamente esa región a lo largo del resto de fotogramas, trazando los contornos de las zonas activas del cerebro con un solo clic. Para la mayoría de los clips, este enfoque semiautomático sustituye al laborioso proceso de delinear cada fotograma a mano, reduciendo el tiempo de etiquetado aproximadamente en un orden de magnitud mientras mantiene la supervisión humana donde más importa.

Comprobar que los mapas coinciden con la realidad

Para garantizar que estos contornos generados por IA eran de confianza, el equipo los comparó con marcas manuales detalladas realizadas por anotadores experimentados. Probaron su flujo de trabajo frente a un modelo clásico de aprendizaje profundo (U-Net) y frente a la salida bruta de la propia IA de segmentación, en vídeos fáciles, moderados y muy ruidosos. Su flujo de trabajo a medida coincidió de forma más consistente con las etiquetas humanas que las alternativas, incluso en los casos más difíciles, con puntuaciones de concordancia sólidas que indican que los contornos capturan de forma fiable las señales cerebrales reales. Comprobaciones adicionales mostraron que dos expertos humanos eran también altamente consistentes entre sí, lo que refuerza la confianza en la “verdad de referencia” utilizada para la evaluación.

De manchas coloreadas a conocimientos sobre el cerebro

Porque cada fotograma en MouseCortex-IOS está etiquetado con precisión, los investigadores pueden ahora calcular medidas prácticas como dónde comienza una señal, hasta qué distancia y a qué velocidad se propaga, cuánto dura y qué proporción del córtex ocupa. Los autores demuestran esto rastreando ondas desencadenadas por la estimulación del nervio vago, mostrando cómo la actividad barre la superficie cerebral de una forma que concuerda con las expectativas de los expertos. Al poner tanto el conjunto de datos como el código de procesamiento a disposición pública, este trabajo ofrece una base compartida para construir y evaluar nuevas herramientas de análisis, ayudando en última instancia a los científicos a comprender mejor cómo se propaga la actividad cerebral en la salud y la enfermedad.

Cita: Zhang, W., Zeng, G., Zheng, Z. et al. A Mouse Cortex Video Segmentation Dataset for Intrinsic Optical Signal Tracking and Neural Activity Analysis. Sci Data 13, 255 (2026). https://doi.org/10.1038/s41597-026-06580-1

Palabras clave: imagen del cortex de ratón, señales ópticas intrínsecas, segmentación de vídeo, mapeo de actividad neuronal, conjunto de datos de imagen cerebral