Identification of electrical activity pattern in a cultured neural network by the combination of 3D-clustering and deep neural networks.

2023 Fiscal Year Final Research Report

• Project/Area Number: 19H04185
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 61040:Soft computing-related
• Research Institution: Kwansei Gakuin University
• Principal Investigator: Kudoh Suguru 関西学院大学, 工学部, 教授 (10344110)
• Project Period (FY): 2019-04-01 – 2024-03-31
• Keywords: 深層学習 / 転移学習 / VGG16 / 時空間3Dクラスタリング / 培養神経回路網 / 神経誘発応答パターン / 自発性神経活動パターン

Outline of Final Research Achievements

We have established a method for identifying activity patterns by combining 3D spatiotemporal clustering and deep transfer learning. In this study, we applied 3D spatiotemporal clustering to spontaneous and stimulus-induced extracellular potential patterns measured from a rat hippocampal neuronal network cultured on a multi-point measurement dish equipped with planar microelectrodes on the bottom, and visualized the spatiotemporal patterns of neuronal electrical activity. Using the pre-trained model VGG16 for transfer learning, we successfully identified response patterns induced by two distinct stimulation electrodes and spontaneous activity patterns with over 90% accuracy. Furthermore, it was suggested that the neural activation pathway codes information, and there are common streams in induced responses and spontaneous activities.

Free Research Field

神経工学

Academic Significance and Societal Importance of the Research Achievements

神経回路網における神経情報コードを解読することは，神経科学の重要な課題のみならず，脳-機械インターフェースにおいて神経活動から意思を読み取るためにも必須である．近年はBig Dataを背景にした深層学習によりパターンを高精度で識別することが可能であるが，神経信号のような生体信号は学習データを大量に用意することが困難である．本研究では，神経電気活動の多点時系列データを時空間情報を保存した形で画像に転換する手法を確立し，転移学習により高精度で識別する手法を開発した．この結果は，電気生理データのみならず，脳波など生体の多点時系列信号の識別に応用することが可能で，神経情報コードの解読に大いに貢献する．