機器學習新突破：Google研究人員利用 AI 自動重構大腦神經元

2018-07-18 科技 380 Views

尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️

最近，Google與馬克斯 · 普朗克神經生物學研究所合作，在《Nature Methods》上發表了一篇重磅論文，使用一種循環神經網路算法對神經元連接組進行自動重構，不僅可以對連接組進行高分辨率的可視化成像，而且準確度提高了一個數量級，為連接組學的研究帶來了新的突破。

在神經系統中繪制神經網路的結構——這是一個被稱為「連接組學」的研究領域——無疑是計算密集型的。

人類的大腦中有大約 860 億個通過 100 萬億個突觸連接起來的神經元，而對一個立方毫米的大腦組織進行成像，就可以生成超過 1000TB 的數據（10 億張照片）。

據《連接組：造就獨一無二的你》這本書中介紹，連接組學主要是通過分析神經元之間的連接和組織方式來達到分析大腦的運行機制這一終極目的的一門學科。連接主義認為大腦的工作機制就蘊含在神經元的連接中。如果兩個神經元之間，有一個突觸交會點，那麼這兩個神經元就是 ” 有連接的 “。通過突觸，一個神經元可以把信息傳遞給另一個神經元。

雷鋒網註：神經元的結構

AI 助力神經元連接組可視化成像，準確度提高一個數量級

為了看到連接組，科學家們經歷了各種探索。比較常用的是給大腦組織染色，然後用電子顯微鏡來觀察大腦切片，以此獲得神經元連接的大量局部具體信息，再聚合在一起構成大腦的整個神經網路信息，但是在具體操作過程中要克服許多困難，耗費大量的人力物力。第二種是通過 MRI（核磁共振）的方法對活體大腦進行觀測，但是分辨率較低，只有毫米級。

如果我們能將大腦中突觸連接的信息和連接組信息進行高分辨率的可視化成像，那麼一個人大腦是否受損就可以一目了然，對一些高難度的腦部疾病進行有針對性的治療將成為可能。

7 月 16 日，在發表於《Nature Methods》雜誌上的一篇名為《利用泛洪網路對神經元進行高精度的自動重構》（High-Precision Automated Reconstruction of Neurons with Flood-Filling Networks）的論文中，Google和馬克斯 · 普朗克神經生物學研究所 ( Max Planck Institute of Neurobiology ) 的科學家們展示了一種循環神經網路算法（常用於手寫和語音識別的機器學習算法），專為連接組學分析量身定做。

Google的研究人員並不是第一個將機器學習應用於連接組學的人。今年 3 月，英特爾與麻省理工學院的計算機科學和人工智能實驗室合作，開發了 ” 下一代 ” 大腦圖像處理系統。但Google聲稱，他們的模型比以往包括英特爾在內的企業發布的深度學習技術在準確性上提高了一個數量級。