显微镜是否有可能对大脑有所了解?甚至被神经科学家教导，可靠地识别脑细胞的一部分......一切都靠自己?虽然它可能看起来像是“Jetsons”，直接来自MPFI科学总监实验室的神经科学家和软件工程师，Ryohei Yasuda博士博士正在开发新软件，其目标是大大改善日常生活显微镜用户 结合专门的算法，恰当地命名为神经网络和少量训练，显微镜现在可以自主且有效地识别称为树突棘的小神经隔室，准确度超过90%。就像罗西的机器人女仆一样，装有这种脊柱识别软件的显微镜正在帮助科学家简化他们的日常生活，

近年来，强大的成像技术迅速扩展和发展，能够以前所未有的分辨率和灵敏度观察大脑内部。仅从成像技术，神经科学家就获得了大量关于大脑的新信息。但是，尽管在实现和功能方面取得了许多进步，但在易用性和整体用户体验方面仍然缺乏功能强大的显微镜(以及运行它们的软件)。

在PLOS ONE发表的一项新研究中，Michael Smirnov博士博士创建了一个成像软件，他希望能为用户创造一种新的体验。

斯米尔诺夫解释说：“当工程师和科学家设计尖端显微镜时，他们通常会关注实际的物理组件和设计。他们最感兴趣的是这些成像技术可以做什么，它们可以打破的界限以及它们的表现。关于如何使普通用户可以访问这些复杂技术并真正改善他们的工作流程。每次我编写软件时，我总是首先考虑用户;如何为使用它的人做出改变，使他们的研究容易一点。“

Yasuda实验室研究称为突触可塑性的复杂过程，它被认为是学习和记忆的细胞基础。当刺激单个树突棘时，动员数百个信号分子在整个神经元中携带新信息。实验室成员利用双光子显微镜详细研究了这一过程，希望能够深入了解这些分子的相互作用如何转化为记忆。

实时双光子成像实验可以是一项艰苦的努力。科学家们必须耐心地筛选神经元的树突状乔木，扫描数百个刺，以寻找合适的候选者进行成像。经常重复实验以积累足够的数据，并且必须重新启动那些中途失败的数据。这种经常不言而喻的方面可以迅速将长时间的成像变成繁琐耗时的工作，最终减缓科学进步。

斯米尔诺夫博士的软件旨在从脊柱成像的单调中拯救神经科学家。编织机器学习的元素，该算法可以教导如何在馈送先前识别的脊柱的训练数据集之后区分树突骨架和树突棘。一旦训练期结束，该软件就能够自动扫描图像并划分出高精度的棘刺。与之前开发的可以计算密集型或仅针对后期成像分析进行优化的程序不同，Smirnov的软件具有快速，可扩展性，并且与大多数实时成像设置和后期分析应用程序兼容。

“我们采用了机器学习方法，因为我们希望我们的软件具有灵活性，适应性和易用性。” Smirnov说：“该程序只需要用户输入图像并指定比例。之后，程序将完成剩下的工作。”

Smirnov描述了通过自动化脊柱识别过程，该软件有可能大大增加实验工作流程，减少数小时的时间。此外，他还使他的程序代码随时可供更广泛的神经科学界使用。他希望这一举措能够吸引在该领域工作的编码人员，并使他们能够自由地改进和定制软件，使其对更广泛的应用程序有用。

斯米尔诺夫博士指出，MPFI的科学家不仅致力于开展高水平的基础神经科学研究，还寻求不断改进研究过程的方法; 快速跟踪新发现并积极影响科学家的日常生活。