资源行业动态使用AI和TPU,人类首次重建果蝇大脑所有神经元,论文登上《细胞》杂志

使用AI和TPU,人类首次重建果蝇大脑所有神经元,论文登上《细胞》杂志

2019-10-09 | |  101 |   0

原标题:使用AI和TPU,人类首次重建果蝇大脑所有神经元,论文登上《细胞》杂志

原文来自:机器之心  [ 文 | 机器之心编辑部 ]      原文链接:https://www.jiqizhixin.com/articles/2019-08-06-7

 通过 AI 算法和 TPU 芯片,人类首次成功重建了果蝇大脑神经元的 3D 模型。这项成果意味着人类对于脑科学的研究更进了一步。新研究的论文已经发表在《细胞》杂志上。

论文:https://www.biorxiv.org/content/biorxiv/early/2019/04/11/605634.full.pdf


近日,谷歌与霍华德·修斯医学研究所(HHMI)珍妮莉亚研究园区(Janelia Research Campus)以及剑桥大学展开合作,共同在细胞杂志上发表了论文《Automated Reconstruction of a Serial-p EM Drosophila Brain with Flood-Filling Networks and Local Realignment》,深入果蝇大脑的所有 神经元和突触。


为了生成详尽的大脑图像,研究人员使用了多达 7062 个大脑切片,共计 2100 万张图片——其背后使用的算法和硬件可谓强大。


1570585492565306.jpeg

谷歌 AI 负责人,计算机大神 Jeff Dean 点评了这项最新研究:TPU 带你飞!


这一连接组学研究有望加速人类对于果蝇——乃至所有生物学习、记忆和 感知方面的研究。目前该成果已开源,人们可以在 Neuroglancer 上对果蝇的大脑进行 3D 预览。这项研究的作者之一、Janelia 研究组长 Davi Bock 表示:「此前人类从未对果蝇大脑实现 神经元连接级别的成像。」这种级别的细节是绘制大脑电路的关键——只有获取精确的 神经元连接网络,我们才能了解果蝇行为的生成机制。


连接组学研究的目标是绘制大脑的「接线图」,以了解神经系统的工作方式。果蝇是生物学上公认的一种研究动物,果蝇的大脑更是近来研究的主要目标对象。截至目前,已有八项诺贝尔奖授予了果蝇相关研究,这些研究推动了分子生物学、遗传学和 神经科学的发展。果蝇研究的重大优势在于它们的大小:与老鼠大脑(1 亿个 神经元)、章鱼大脑(5 亿个 神经元)或人类大脑(1000 亿个 神经元)相比,果蝇大脑相对较小(只有 10 万个 神经元)。这种优势使得研究人员更容易将果蝇大脑作为一个完整回路来研究。

03.jpeg

40 万亿像素下的果蝇大脑重建,任何人都可以交互浏览。


40 万亿像素下的果蝇大脑自动重建

谷歌在霍华德·修斯医学研究所的合作者将果蝇大脑切分成数千个 40 纳米的超薄切片,并且使用透射电子显微镜生成每个切片的图像(由此产生了 40 万亿像素以上的果蝇大脑影像),然后将 2D 图像排列对齐形成完整果蝇大脑的 3D 图像。这项研究用到了数千块谷歌 Cloud TPU 和泛洪算法网络(Flood-Filling Network,FNN),后者能够自动跟踪果蝇大脑中的每个 神经元。


虽然该算法大体上运行良好,但研究人员发现,当对齐效果不完美(连续切片中的图像内容不稳定)或切片和成像过程存在问题导致多个连续切片缺失时,该算法的性能会下降。


为了应对这些问题,研究人员将泛洪算法网络与以下两个处理流程相结合:

● 其一,研究人员估计了 3D 图像各位置切片之间的一致性,然后在 FFN 跟踪每个 神经元时确保各位置图像内容的稳定性;

● 其二,研究人员使用 Segmentation-Enhanced CycleGAN(SECGAN)计算出缺失图像的近似图。


SECGAN 是一种专门用于图像分割的生成对抗网络。研究人员发现,当使用 SECGAN 幻觉图像数据时,FFN 能够更加鲁棒地跟踪多个缺失切片的位置。

1570585621510701.gif


果蝇大脑在 Neuroglancer 的交互式可视化


使用 3D 图像重建大脑之后还有一个问题,就是怎么展示:当图像包含上万亿像素时,可视化显得极其重要和困难。

受到谷歌新可视化技术的启发,研究人员设计了一种可扩展且功能强大的工具。目前,任何有浏览器且支持 WebGL 的设备都可以前往观察该研究的开源结果。

它以 Neuroglancer 技术呈现:https://bit.ly/2GKmDF2


谷歌表示,这项技术可以帮助人们展示 PB 级的 3D 内容,并支持很多高级功能,如任意轴横截面的重新拼接、多分辨率网格,以及通过 Python 开发自定义分析任务的强大能力与 Python 集成。

1570585702597214.jpeg


研究展望

谷歌表示,其在 HHMI 和剑桥大学的合作者们已经开始了基于该研究的进一步探索,尽管目前的研究结果还不是真正的 神经元连接图——建立连接组还需要识别突触。但作者正在与 FlyEM 团队共同构建一个具有高度可验证性且详尽的果蝇大脑连接体。


参考内容:

https://www.biorxiv.org/content/biorxiv/early/2019/04/11/605634.full.pdf

https://ai.googleblog.com/2019/08/an-interactive-automated-3d.html

https://www.sciencedaily.com/releases/2018/07/180719142110.htm

THE END

免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。

合作及投稿邮箱:E-mail:editor@tusaishared.com

上一篇:数据与人工智能关系紧密 相辅相成互相影响

下一篇:高度优化,京东AI开源的二值网络inference框架

用户评价
全部评价

热门资源

  • 国内人才报告:机...

    近日,BOSS 直聘职业科学实验室 &BOSS 直聘研究院...

  • AI使物联网更智能...

    看到微软对物联网和人工智能的结合感兴趣是一个明...

  • 推荐一批学习自然...

    这里推荐一批学习自然语言处理相关的书籍,当然,...

  • 安防智能化大势下...

    大部分传统安防设备不仅拍摄视野有限,而且无法事...

  • 20亿创业基金、10...

    近日,杭州举办了建设国家新一代人工智能创新发展...