内因性光学信号追跡と神経活動解析のためのマウス皮質ビデオセグメンテーションデータセット

頭蓋を開けずに脳波を観察する

活動の波が脳表面をどのように伝播するかを理解することは、てんかん、脳卒中、認知症といった疾患に取り組む上で不可欠です。しかし、生体の脳でこれらの波を直接観察するのは技術的に難易度が高い。本研究は MouseCortex-IOS という綿密に構築された公開データセットを紹介し、世界中の研究者がマウスの皮質表面での脳活動の広がりを調べ、新しい人工知能（AI）ツールをより確実かつ自動的に評価できるようにします。

生きた脳に向けたカメラ

脳に電極を挿入する代わりに、研究者たちは内因性光学信号イメージングという手法を用い、マウスの頭蓋に設けた小さな窓を通して高感度カメラで観察しました。脳表面の光反射の微妙な変化は、神経活動に伴う血流や酸素の変化を示します。これらの変化は極めて微弱で、背景の数パーセント以下であることが多く、雑音や小さな動きに埋もれやすいため、データの解釈や研究室間での比較が難しい要因となっていました。

ノイジーな映像を意味ある地図に変える

これに対処するため、チームは神経刺激や波の化学的誘発を含む異なる実験条件で計測した14匹のマウスからデータセットを構築しました。長時間の記録セッションから5,732枚の重要な画像を抽出し、194本の短いビデオクリップにまとめています。AIを適用する前に、生のグレースケール映像は三段階の処理を受けました。まず、ランダムノイズと動きを低減するためにフレームを時間的に平均化し、次に信号の実際の変化を強調するためにフレーム間差分を計算し、最後にクリーンな信号をカラーマップに変換して、活動パターンを背景からはっきりと際立たせました。

AIアシスタントに境界を描かせる

こうして得られた明瞭なマップに対して、著者らはもともと「何でもセグメント化する」ことを目指して設計された新しいAIツール群を用いました。このワークフローでは、人の専門家はクリップの最初のフレームで関心領域をマークするだけで済みます。ビデオ向けに調整されたAIモデルはその領域を残りのフレームにわたって自動的に追跡し、アクティブな脳領域の輪郭をワンクリックで描きます。ほとんどのクリップでこの半自動的アプローチは各フレームを手で細かくなぞる骨の折れる作業に取って代わり、ラベリング時間を概ね一桁分短縮しつつ、重要な箇所には人間の監督を残します。

地図が現実と一致しているかを検証する

これらAI生成の輪郭が信頼できるかを確認するため、チームはそれらを経験豊富な注釈者の詳細な手動マーキングと比較しました。彼らは自分たちのパイプラインを古典的な深層学習モデル（U-Net）やセグメンテーションAIの生の出力と、容易、中程度、非常にノイジーなビデオ群で比較しました。調整されたパイプラインは最も厳しいケースでも一貫して人手のラベルにより近く、輪郭が実際の脳信号を確実に捉えていることを示す高い一致スコアを示しました。追加の検証では、二人の異なる人間の専門家同士の一致度も高く、評価に用いた「ゴールドスタンダード」への信頼をさらに強めました。

着色された斑点から得られる脳の洞察

MouseCortex-IOS の各フレームが正確にラベル付けされていることで、研究者は信号がどこで始まるか、どれだけ遠く、どの速さで伝わるか、どれほどの時間持続するか、皮質のどの程度を覆うかといった実用的な指標を算出できるようになりました。著者らは迷走神経の刺激で誘発された波を追跡することでこれを実証し、活動が脳表面をどのように掃くように広がるかが専門家の期待と一致することを示しています。データセットと処理コードの両方を公開することで、本研究は新たな解析ツールを構築・検証するための共有基盤を提供し、最終的に健康と疾患における脳活動の広がりをよりよく理解する助けとなります。

引用: 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

キーワード: マウス皮質イメージング, 内因性光学信号, ビデオセグメンテーション, 神経活動マッピング, 脳イメージングデータセット