前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【人脑理解又突破】神经网络绘制大脑神经回路精度达到人类水平

【人脑理解又突破】神经网络绘制大脑神经回路精度达到人类水平

作者头像
新智元
发布2018-03-22 16:18:43
9370
发布2018-03-22 16:18:43
举报
文章被收录于专栏:新智元
【新智元导读】华盛顿州立大学姬水旺等人的研究团队首次提出一种计算机算法,在绘制大脑神经网络方面的准确度达到几乎与人类同等的水平,这是有助于加速用于理解大脑回路的图像分析的一项突破。相关论文发表在《生物信息学》(Bioinformatics)。

论文地址:https://academic.oup.com/bioinformatics/article-abstract/33/16/2555/3096435/DeepEM3D-approaching-human-level-performance-on-3D

就像绘制1000亿个房子

几十年来,人们一直在努力加深对大脑神经回路的了解,但其庞大和复杂性是一大挑战。这项研究的主管研究员、WSU电气工程和计算机科学学院副教授姬水旺(Shuiwang Ji)说,这就像拥有一张地球的卫星图像,我们要尝试绘制出地球上的1000亿个房子,以及将所有房子连接起来的街道和每个人的目的地。

图:左边的2个图是一小部分大脑组织的原始电子显微镜图像;右边的两个图是计算机生成的彩色脑图,其中不同的颜色代表不同的神经元。

实际上,研究人员花了十多年的时间才完整绘制出一个动物的大脑神经回路——一只只有302个神经元的线虫。但是,人类的大脑拥有大约1000亿个神经元,完全了解其回路所需的数据量是1000艾字节(exabytes),这相当于目前世界上所有的数据。

绘制神经元

为了绘制神经元,研究人员当前使用的方法是用电子显微镜拍照——每张图像通常只包含很少量的神经元。然后,研究人员要研究每个神经元的形状、大小,以及它与附近神经元的数以千计的连接,目的是了解该神经元在行为学获生物学中的作用。

姬水旺说:“我们对大脑如何工作的了解非常少。”

对大脑回路的了解如此少,这限制了研究人员了解严重脑疾病(例如阿尔茨海默病,精神分裂症,孤独症或帕金森症病)发病原因的能力。这些疾病目前必须依靠反复试验和错误实验来寻找治疗方法。美国国家工程院已将理解人类大脑列为21世纪的巨大挑战之一。

达到人类水平的准确度

2013年,麻省理工学院(MIT)发起一场比赛,呼吁研究人员开发能够加速图像分析,解码和理解大脑回路图的算法。作为比赛的一部分,算法的工作会被与真正的神经科学家团队的工作进行比较。假如计算机能够达到人类水平的准确度,那么它们也能够比人类更快、更便宜地做这类计算。

WSU的研究团队开发了第一个能够达到人类水平准确度的计算模型。

正如人类通过眼睛接收信息,然后经过多个阶段对这些信息进行分析。WSU的团队开发的计算模型是将图像作为输入,然后在一个多层的网络中对其进行处理,最后得出决策。在他们的算法中,研究人员开发了一种模拟人类复杂的生物神经网络的人工神经网络。

虽然WSU研究团队的算法在MIT的挑战赛中达到了人类研究团队水平的准确度,但是使用计算机绘制完整、准确的神经回路图,仍有许多工作要做。姬先生说,计算机在绘制时仍然出现了大量的错误,而且比较人工结果和计算机的结果也没有一个确定的标准。但姬先生也补充说,尽管自动化的方法在短期内完全取代人工可能不现实,但计算方法的进步肯定能够减少手工绘制的工作量。

论文:DeepEM3D:接近人类水平的3D各向异性EM图像分割

摘要

研究动机:3D电子显微镜(EM)成像的进展很大地促进了高通量数据采集中的神经科学研究。相应地,高通量自动化图像分析方法是跟上数据产生的速度的工作所必需的。一个例子是用于神经元轴突重建的自动化EM图像分割。但是,当前的方法在效率和可靠性上都仍然不及人工水平。

研究结果:本研究中,我们提出DeepEM3D算法,这是一种用于分割3D各向异性(anisotropic)脑电镜图像的深度学习方法。在这种方法中,深度学习模型可以结合大量的多尺度语境信息来有效构建特征表示。我们提出采用一种新的边界图生成方法,以及优化的模型集合来解决分割各向异性图像任务的挑战。我们通过参与EM图像神经元突触3D分割(SNEMI3D)挑战赛来评估我们的方法。截至2016年10月15日,我们的提交在目前的排行榜中排名第一。更重要的是,我们的结果与作为评估指标的人类研究团队的水平表现非常接近,即 Rand error 为0.06015,人类的表现是0.05998。

图1:DeepEM3D的架构

图2:产生3D分割的流程

图3:在对齐良好的图像堆栈中预测边界的示例

图4:在不对齐的图像堆栈中预测边界的示例

原文:https://news.wsu.edu/2017/08/16/brain-mapping

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-08-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 新智元 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档