重磅！谷歌新AI算法可重现大脑结构，自动追踪绘制神经元（动图）

药明康德AI/报道

今日，谷歌的研究人员发表了一项研究，他们和马克斯普朗克神经生物学研究所（Max Planck Institute of Neurobiology）的科学家们一起，成功训练出了一个递归神经网络，可以自动映射大脑的神经元结构并构造神经元和突触的3D模型，从而帮助进行连接组学领域的研究。该研究结果发表在了《Nature Methods》上。

本文来源：药明康德AI

连接组学主要研究神经系统中对神经元网络结构的映射。人类的大脑中包含约860亿个神经元，并通过约100万亿个突触进行连接。因此，即使对一立方毫米的组织进行成像，也能产生高达1000多TB的数据。然而，由于数据量太过庞大，且结构过于复杂，目前还无法做到对其进行自动分析。而谷歌的科学家们进行的这项新研究或许可以帮助解决这一难题。

虽然过去也有一些类似的算法能够对神经元网络进行追踪和映射，但是在还原单一神经元的真实形态时会受到周围数据和其他神经元的影响。想要完成这一过程的话，神经科学家必须观察神经元网络图像，将神经元进行分层，并且手动识别出每一个神经元细胞，从而让计算机构建出其3D模型。据估计，就算只对仅一立方毫米的图像进行识别，都可能需要花费10万小时之久。同时，研究人员还需要花费7天左右的时间，来训练出能够构建3D模型的算法。这一过程实在是非常耗时。

而此次谷歌团队开发的算法突破在于将上述过程完全自动化。研究人员使用边缘探测算法来确定神经元的边界，同时使用递归卷积神经网络，来将图像中和神经元相关的像素集中到一起并不断对该区域进行填充，神经网络会预测哪些像素与初始像素属于同一个物体。

▲图中黄色的圆点为当前区域的中心，随着算法不断迭代，黄点在当前区域不断扩大蓝色分割区域的范围（图片来源：Google AI Research Blog）

为了追踪算法的准确性，研究人员提出了一个名为“预期运行长度”（ERL）的概念，即在大脑的3D图像中，给定一个随机神经元上的随机点，预测算法在出错之前追踪一个神经元的最长距离。研究人员表示，在100万立方微米大小的斑胸草雀大脑图像中，新算法的表现明显优于以前的算法。

▲算法对斑胸草雀大脑中的单一神经元进行追踪的过程示意图（图片来源：Google AI Research Blog）

“这项研究带来的影响在于我们能够完成的神经科学研究数量，” 谷歌研究人员、该研究的负责人之一Viren Jain博士表示：“历史上的神经科学家从没能从全面的角度，来研究大脑中神经元的实际模式。”研究人员表示，该研究和之前的深度学习技术相比，准确度“提升了一个数量级”。

研究人员计划在未来继续完善这套系统，从而全面实现突出分辨率的自动化进程，并为其他研究项目做出贡献。

参考资料：

[1] Improving Connectomics by an Order of Magnitude

[2] High-precision automated reconstruction of neurons with flood-filling networks

[3] Google is using AI to see inside the brain like never before

[4] Google researchers create AI that maps the brain’s neurons

本文来自药明康德微信团队，欢迎转发到朋友圈，谢绝转载到其它平台。如有开设白名单需求，请在文章底部留言；如有其它合作需求，请联系[e-mail]

更多精彩文章：