뉴런은 수상돌기와 축삭을 갖는 분극화된 구조를 가지며, 구획(컴파트먼트) 특이적 기능은 정착한(micro-environment에 존재하는) 미토콘드리아에 의해 영향을 받을 수 있다. 최근 연구들은 미토콘드리아의 형태가 뉴런의 기능 및 신경퇴행성 질환과 밀접한 관련이 있음을 보여주었다. 그러나 기존의 미토콘드리아 분석 워크플로는 주로 수작업 주석과 범용 이미지 처리 소프트웨어에 의존한다. 또한 딥러닝을 활용한 자동 미토콘드리아 분석에 관한 최근의 발전이 있었음에도 불구하고, 사전 학습된 딥러닝 모델의 성능은 표적 데이터에 따라 달라질 수 있으며 추론 시점에서의 오류가 항상 존재하여, 인간의 교정(검수)이 필요하기 때문에, 기존 방법을 일상적인 분석에 적용하는 데는 여전히 어려움이 있다. 이러한 문제를 해결하기 위해, 우리는 뉴런 미토콘드리아의 형태에 대한 종단 간(end-to-end) 데이터 처리와 대화형 분석을 위한 새로운 시각화 시스템인 MitoVis를 제안한다. MitoVis는 최근의 대조학습(contrastive learning)에 기반한 새로운 능동 학습(active learning) 프레임워크를 도입하여, 신경망 모델의 정확한 파인튜닝을 가능하게 한다. 또한 MitoVis는 대화형 교정(인간 검수)을 위한 새로운 시각적 가이드를 제공함으로써, 사용자가 최소한의 노력으로 결과에서의 오류를 신속하게 식별하고 수정할 수 있도록 한다. 신경과학자들이 수행한 사례 연구를 통해 본 시스템의 유용성과 효능을 입증한다. 그 결과, MitoVis는 기존의 수작업 분석 워크플로에 비해 사례 연구에서 총 분석 시간을 최대 13.3배 더 빠르게 달성하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.