神经网络识别和区分图像数据中的神经细胞成分

编译 | 冯鸥

理解大脑是可能的吗？目前的科学还未能回答这个问题。然而，自从研究人员开始在神经生物学分析方面训练人工智能以来，似乎至少重建大脑的细胞结构是有可能的。Max Planck Institute of Neurobiology和Google AI开发的新型人工神经网络现在甚至可以根据神经细胞的外观独立识别和分类神经细胞。

人类的大脑由大约860亿个神经细胞和大约相同数量的神经胶质细胞组成。此外，仅神经细胞之间就有大约100万亿个连接。虽然映射人脑的所有连接仍然遥不可及，但科学家们已经开始在较小规模上解决这个问题。

通过串行块面扫描电子显微镜的开发，现在可以自动测量特定脑区域的所有细胞和连接并以三维图像显示。

“在电子显微镜下观察0.3立方毫米大脑可能需要几个月的时间，”博士生Philipp Schubert表示，“根据大脑的大小，这样一小块似乎用了很多时间，但即使这样小的面积也包含了数千个细胞。” 这样的数据集还需要几乎100TB的存储空间。然而，难点不在于收集和存储，而在于数据分析。

幸运的是，分析方法与显微镜技术一起得到了改进。很长一段时间，只有人脑似乎能够可靠地识别和跟踪电子显微镜图像中神经细胞的部分和连接。

例如，人们仍然需要在计算机屏幕前工作数小时才能跟踪图像堆栈中的单元组件并正确进行计算机分析。因此，即使是最小的数据集的重建也需要很多年。然而，几年前，研究人员获得了人工智能的帮助。

Martinsried的神经生物学家训练卷积神经网络来识别和区分图像数据中的神经细胞成分。通过使用洪水填充网络改进图像分析，整个神经细胞及其所有组件和连接自动从图像堆栈中提取，几乎没有错误。

“现在，通过细胞形态神经网络，我们在分析中又向前迈进了一步，”Schubert说，“与人类一样，CMN通过其形状和背景识别细胞，而不是比较单个像素。”

CMN现在可以根据其外观将从图像堆栈提取的神经细胞分配到神经细胞类型或神经胶质细胞。CMN还识别细胞区域是否属于细胞体，轴突，树突或其棘突。

为了能够理解细胞的功能，或者例如突触接触点的信息流方向，这些信息非常重要，现在团队可以分析更大的数据集。

End