View allAll Photos Tagged neuron
A neuron of the PNS innervates its target with its myelinated axon covered by Schwann cells. Following an injury, the part of the axon distal to the injury degenerates, leaving an axonal stump. The Schwann cells proliferate and produce new Schwann cells that form a tube to guide the axon back to its original target. Macrophages help clear up the debris from the axonal degeneration. The axonal stump grows following the tube of Schwann cells, which wrap it with myelin. The axon reaches the original target and the axon regeneration is complete. (Image credit: ”Axon Regeneration in the PNS" by Chiara Mazzasette is a derivative from the original work of Daniel Donnelly and is licensed by CC BY 4.0)
Cultured dorsal root ganglion neurons lacking the E3 ubiquitin ligase PHR1, which targets the kinase DLK for proteasomal degradation, display high levels of phosphorylation of the MAP kinase JNK (green) in their axons. Huntwork-Rodriguez et al. show that a rapid increase in the abundance of DLK protein occurs after neuronal injury and is important for initiation of downstream signaling events and neuronal apoptosis. Nuclei are labeled red.
Image courtesy of Huntwork-Rodriguez et al.
Reference: Huntwork-Rodriguez et al. (2013) J. Cell Biol. 202:747-763
Published on August 26, 2013.
doi: 10.1083/jcb.201303066
Read the full article online at: jcb.rupress.org/content/202/5/747.full
Entry in category 1. Object of study; © CC-BY-NC-ND: Mathieu Niquille
Neuronal cells in our brain communicate with each other by generating electrical signals. If I have to picture how this language looks like, I imagine bursts of lights passing through a branch to the other, twitching back and forth their length of almost 1 billion km. In this image, I played with contrasts and lights, trying to grasp the fluctuating language of neurons into a still frame. It is like an organized chaos, what they say is what we experience.
The picture portrays a juvenile mouse neocortex, in which interneurons were embryonically electroporated with a fluorescent plasmid vector. Several pictures were acquired with a Nikon A1 confocal microscope with a 40x objective, then stitched to create a large field view of high resolution. Rendering was created with Adobe Photoshop. The actual size of the specimen represented is about 600x850µm.
Cytoskeleton of a mixed population of granule neurons and glial cells. Texas Red®-X phalloidin and Alexa Fluor® 488 goat anti–mouse IgG.
Neurons and epigenetics and something or some such. There was a lot of impressive translation happening.
Activated neurons in an image from the Allen Brain Observatory, a window into single-cell neural activity in the mouse visual cortex.
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
#deepdream code informatique de l'intelligence artificielle de Google spécifique "Fractal DDC " développé et dédié pour un nouvel art à La Demeure du Chaos - The Abode of Chaos ou comment les machines perçoivent La Demeure du Chaos - The Abode of Chaos
et si leurs regards étaient ce qui se cache derrière la matrice que nous percevons en tant qu'humains? ces multiples miroirs sont peut-être un autre monde plus réel ou plus éthéré... NB thierry bonne lecture de ce post et ses images dantesques.
Depuis quelques temps vous avez peut-être vu circuler sur les réseaux sociaux des images étranges, affublées d'un hashtag (mot-clé) #deepdream.
Deep Dream est un programme d'intelligence artificielle mis au point par les ingénieurs de Google. Ces derniers travaillent à la reconnaissance d'images pour, entre autres, améliorer la pertinence des recherches dans Google. Le 17 juin dernier ils ont publié un billet intitulé : "Inceptionnisme : plus loin dans les réseaux neuronaux".
Dans ce post ils expliquent comment ils ont réussi, dans leurs recherches, à faire analyser une image mais surtout générer des formes par l'ordinateur. Pour que l'intelligence artificielle puisse mieux reconnaître ce qui compose une image, les ingénieurs ont commencé par lui montrer des millions de photos.
Plusieurs couches de neurones
L'intelligence artificielle fonctionne ici en un ensemble de réseaux de neurones qu'il faut se figurer comme différentes couches. La première est chargée de regarder les bords et les angles d'une image.
Les couches intermédiaires cherchent quant à elles les formes et les différents éléments présents dans l'image comme une feuille ou une porte. Les derniers réseaux assemblent toutes ces informations pour en fournir des interprétations complexes, comme des arbres ou des bâtiments.
Pour comprendre au mieux comment fonctionnent ces couches, les ingénieurs ont tenté de pousser l'analyse de certaines. Ils résument ainsi la commande faite au système : "Quoi que tu vois, on veut le voir encore plus." C'est alors que l'intelligence artificielle a généré des formes au sein des clichés.
"Si un nuage ressemble un petit peu à un oiseau, alors le système va le faire ressembler encore plus à un oiseau, expliquent les ingénieurs. En réitérant l’action, le programme va reconnaître un oiseau plus fortement et ainsi de suite jusqu’à ce qu’un oiseau très détaillé apparaisse, comme sorti de nulle part."
"L'inceptionnisme"
Les images varient selon le réseau neuronal qui est amplifié. Par exemple, plus on sollicite les couches inférieures, plus des traits vont apparaître. Si on stimule d'avantage les couches supérieures, ce sont des objets qui émergent de l'image.
Les ingénieurs précisent d'ailleurs que comme l'ordinateur a enregistré beaucoup de clichés d'animaux durant son entraînement, il en reproduit souvent. Et parfois en les mixant, ce qui crée des créatures étranges.
Pour ces chercheurs, le Deep Dream a ainsi créé un mouvement artistique qu'ils appellent "l'#inceptionnisme", en référence à l'architecture des réseaux neuronaux.
Au début, cette expérimentation ne cherchait qu'à améliorer l'intelligence artificielle. Mais lorsque les ingénieurs ont posté ce billet, de nombreux internautes se sont intéressés à ce Deep Dream.
Google a donc rendu public le code utilisé pour générer ces images. Des informaticiens s'en sont emparés et ont mis au point des logiciels et des interfaces pour que les internautes puissent s'en servir.
Ce qui ne manque pas de plaire à Google. Les chercheurs encouragent à taguer les images #deepdream sur Twitter, Facebook ou Google+. "Il sera intéressant de voir quelles images les gens arrivent à générer", écrivent-ils.
Myriad stories ran rampant through my neurons as I set up and photographed this image. I thought of vampires and elves, of darkness and light, of Carroll's Alice and Neo's red pills, until I was entirely distracted by trying to get the lighting and focus just so. Still, whenever I look at it, my mind returns to wander the many pathways of what might happen when the girl drinks from the glowing cup. Is she in danger or will it save her? Is she joining a family, a culture, or a cult? Is it poison, wine, dragon's blood, or the red light of a dying star?
I photographed this for an "Art-A-Day Challenge" I participated in early 2012. The theme for the day was Drink. It was a lot of fun to create, though I did manage to half blind myself a couple times shining the light in my eye instead of through the cup! I would love to continue with this concept with a setup that does not involve guess work for positioning and focusing as is the usual for using myself as a model!
You can view the full challenge here.
Please email me if you would like a different size or if you would like greeting cards or another product with this image!
© Julia Grace Arts
Do NOT reproduce, use, or distribute without permission. Check out my usage guidelines here.
Please DO Feature on Flickr, Pin, Share, or Tweet my work!
Quick Links
Photostream | Profile | My Website | Store | Blog | Twitter | Facebook | deviantART | Pinterest | Goodreads
Voice guidance, GPS with geofencing to control the ride area - parking and speed, sturdy aluminum construction, large wheel (11.5") for uneven ground, dual electric and mechanical brakes, topple detection, emergency button, and "follow my ride", app-controlled helmet lock, Wide deck (21cm) for stability, battery swapping.