Conjunto de Dados de Segmentação de Vídeo do Córtex de Camundongo para Rastreamento por Sinal Óptico Intrínseco e Análise da Atividade Neural

Observando Ondas Cerebrais Sem Abrir o Crânio

Compreender como ondas de atividade se propagam pelo cérebro é essencial para enfrentar distúrbios como epilepsia, acidente vascular cerebral e demência. Mas observar essas ondas diretamente em cérebros vivos é tecnicamente desafiador. Este estudo apresenta o MouseCortex-IOS, um conjunto de dados aberto cuidadosamente construído que permite a pesquisadores do mundo todo explorar como a atividade cerebral de camundongos se espalha pela superfície do córtex e testar novas ferramentas de inteligência artificial (IA) para analisá-la de forma mais confiável e automatizada.

Uma Câmera no Cérebro Vivo

Em vez de inserir eletrodos no cérebro, os pesquisadores usaram um método chamado imageamento por sinal óptico intrínseco, no qual uma câmera sensível observa através de uma pequena janela no crânio do camundongo. Mudanças sutis em como a superfície cerebral reflete a luz revelam variações no sangue e no oxigênio associadas à atividade nervosa. Essas mudanças são extremamente fracas — muitas vezes menos de alguns por cento do sinal de fundo — e facilmente mascaradas por ruído ou pequenos movimentos, o que torna os dados difíceis de interpretar e comparar entre laboratórios.

Transformando Filmes Ruidosos em Mapas Significativos

Para enfrentar esse desafio, a equipe construiu um conjunto de dados a partir de 14 camundongos submetidos a diferentes condições experimentais, incluindo estimulação nervosa e gatilhos químicos de ondas propagantes de atividade cerebral. De longas sessões de gravação extraíram 5.732 imagens-chave agrupadas em 194 clipes de vídeo curtos. Antes que qualquer IA tocasse nos dados, os filmes em escala de cinza foram processados em três etapas: primeiro, os quadros foram promediados ao longo do tempo para reduzir ruído aleatório e movimento; segundo, foram calculadas diferenças entre quadros para destacar mudanças reais no sinal; e terceiro, os sinais limpos foram convertidos em mapas coloridos para que os padrões de atividade sobressaíssem claramente em relação ao fundo.

Deixando um Assistente de IA Desenhar os Limites

Uma vez criados esses mapas mais claros, os autores usaram uma nova família de ferramentas de IA originalmente projetadas para “segmentar qualquer coisa” em imagens e vídeos. Em seu fluxo de trabalho, um especialista humano precisa apenas marcar a área de interesse no primeiro quadro de um clipe. O modelo de IA, ajustado para vídeo, então acompanha automaticamente essa região ao longo dos demais quadros, desenhando os contornos das áreas cerebrais ativas com um único clique. Para a maioria dos clipes, essa abordagem semi-automática substitui o processo exaustivo de traçar cada quadro manualmente, reduzindo o tempo de rotulagem em aproximadamente uma ordem de magnitude enquanto mantém a supervisão humana onde ela é mais importante.

Verificando se os Mapas Correspondem à Realidade

Para garantir que esses contornos gerados por IA fossem confiáveis, a equipe os comparou com marcações manuais detalhadas feitas por anotadores experientes. Eles testaram seu fluxo de trabalho contra um modelo clássico de aprendizado profundo (U-Net) e contra a saída bruta da própria IA de segmentação, em vídeos fáceis, moderados e muito ruidosos. Seu pipeline personalizado correspondeu consistentemente às etiquetas humanas mais de perto do que as alternativas, mesmo nos casos mais difíceis, com fortes índices de concordância que indicam que os contornos capturam de forma confiável sinais cerebrais reais. Verificações adicionais mostraram que dois especialistas humanos também eram altamente consistentes entre si, reforçando a confiança na “verdade de referência” usada para avaliação.

De Manchas Coloridas a Insights Cerebrais

Porque cada quadro no MouseCortex-IOS é rotulado com precisão, os pesquisadores agora podem calcular medidas práticas, como onde um sinal começa, quão longe e quão rápido ele se propaga, quanto tempo dura e quanto do córtex é coberto. Os autores demonstram isso rastreando ondas desencadeadas pela estimulação do nervo vago, mostrando como a atividade varre a superfície cerebral de modo que concorda com as expectativas de especialistas. Ao tornar tanto o conjunto de dados quanto o código de processamento publicamente disponíveis, este trabalho oferece uma base compartilhada para construir e testar novas ferramentas de análise, ajudando em última instância os cientistas a entender melhor como a atividade cerebral se espalha na saúde e na doença.

Citação: 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

Palavras-chave: imagem do córtex de camundongo, sinais ópticos intrínsecos, segmentação de vídeo, mapeamento da atividade neural, conjunto de dados de imagens cerebrais