מאגר וידאו של קורטקס עכבר לחיתוך אותות אופטיים פנימיים ולניתוח פעילות עצבית

צפייה בגלי מוח מבלי לפתוח את הגולגולת

הבנת האופן שבו גלים של פעילות מתפשטים במוח חיונית להתמודדות עם הפרעות כמו אפילפסיה, שבץ ודמנציה. אך צפייה ישירה בגלים אלה במוחות חיים טכנית מורכבת. המחקר מציג את MouseCortex-IOS, מאגר פתוח שנבנה בקפידה ומאפשר לחוקרים ברחבי העולם לחקור כיצד פעילות מוחית בעכבר מתפשטת על פני שטח הקורטקס ולבחון כלים חדשים מבוססי בינה מלאכותית לניתוח אמין ואוטומטי יותר.

מצלמה על מוח חי

במקום להחדיר אלקטרודות למוח, החוקרים השתמשו בשיטה הנקראת דימות אות אופטי פנימי, שבה מצלמה רגישה מסתכלת דרך חלון זעיר בגולגולת העכבר. שינויים עדינים באופן שבו משטח המוח מחזיר אור חושפים תזוזות בדם ובחמצן הקשורות בפעילות עצבית. השינויים הללו חלשים מאוד — לעתים פחות ממספר אחוזים מהרקע — וקל שנאטמים על ידי רעש או תנועות קטנות, מה שהקשה על פרשנות הנתונים ועל השוואתם בין מעבדות.

הפיכת סרטונים רועשים למפות משמעותיות

כדי להתמודד עם הבעיה, הצוות הרכיב מאגר נתונים מ-14 עכברים שעברו תנאי ניסוי שונים, כולל גירוי עצבי וממריצים כימיים לגלי התפשטות של פעילות מוחית. מתוך הקלטות ארוכות חילצו 5,732 תמונות מפתח המאורגנות ב-194 קטעי וידאו קצרים. לפני שהבינה המלאכותית נגעה בנתונים, הסרטונים האפורים הגולמיים עובדו בשלושה שלבים: ראשית, הממוצעים על פני זמן לצמצום רעש תזוזתי ואקראי; שנית, חושבו הבדלים בין פריימים כדי להדגיש שינויים אמיתיים באות; ושלישית, האותות המנוקים הומרו למפות צבע כך שתבניות הפעילות יבלטו בבירור על הרקע.

לאפשר לעוזר בינה מלאכותית לצייר גבולות

לאחר שיצרו את המפות המובהרות, המחברים השתמשו במשפחה חדשה של כלים מבוססי בינה מלאכותית שתוכננו במקור "לחתוך כל דבר" בתמונות ובסרטונים. בצנרת שלהם, מומחה אנושי צריך רק לסמן את אזור העניין במסגרת הראשונה של הקליפ. מודל ה-AI, שמותאם לסרטון, עוקב אוטומטית אחר אותו אזור לאורך שאר הפריימים ומשרטט את קווי המתאר של אזורי מוח פעילים בלחיצה אחת. ברוב הקליפים הגישה החצי-אוטומטית הזו מחליפה את התהליך המייגע של מריחת כל פריים ביד, מקצרת את זמן התיוג בסדר גודל בקירוב ושומרת על פיקוח אנושי היכן שהוא הכי חשוב.

בדיקה שהמפות תואמות את המציאות

כדי לוודא שקווי המתאר שנוצרים על ידי ה-AI אמינים, הצוות השווה ביניהם לבין סימונים ידניים מפורטים שנעשו על ידי מתייגים מנוסים. הם בדקו את הצנרת שלהם מול מודל למידה עמוקה קלאסי (U-Net) ונגד הפלט הגולמי של ה-AI לחיתוך, על פני סרטונים קלים, בינוניים ורועשים מאוד. הצנרת המותאמת שלהם התאימה בעקביות לסימונים האנושיים יותר מאשר האלטרנטיבות, גם במקרים הקשים ביותר, עם ציוני הסכמה חזקים שמצביעים על כך שקווי המתאר תופסים באופן מהימן אותות מוח אמיתיים. בדיקות נוספות הראו ששני מומחים שונים היו עצמם עקביים מאוד ביניהם, מה שמחזק את האמון ב"אמת הקרקע" שהשתמשו בה להערכה.

מכתמים צבעוניים לתובנות על המוח

כיוון שכל פריים ב-MouseCortex-IOS מתויג בדיוק, חוקרים יכולים כעת לחשב מדדים מעשיים כגון היכן מתחיל האות, כמה רחוק ובאיזו מהירות הוא מתפשט, כמה זמן הוא נמשך וכמה מהקורטקס הוא מכסה. המחברים מדגימים זאת במעקב אחר גלים שמופעלים על ידי גירוי של עצב הוואגוס, ומראים כיצד הפעילות סורקת את פני המוח באופן שתואם לציפיות המומחים. על ידי הפיכת המאגר וקוד העיבוד לזמינים לציבור, עבודה זו מציעה בסיס משותף לבניית ובחינת כלים חדשים לניתוח, ובסופו של דבר מסייעת למדענים להבין טוב יותר כיצד פעילות מוחית מתפשטת במצב בריא ובמחלה.

ציטוט: 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

מילות מפתח: דימות קורטקס עכבר, אותות אופטיים פנימיים, חיתוך וידאו, מיפוי פעילות עצבית, מאגר נתוני דימות מוח