医学网
www.yixuew.cn

人工智能学会了追踪神经元通路

冷泉港实验室(CSHL)的科学家已经教导计算机比以前的任何方法更有效地识别大脑显微镜图像中的神经元。研究人员提高了追踪神经元及其连接的自动化方法的效率,随着研究人员努力绘制大脑密集互连的电路的图,这项任务的需求越来越大。他们通过教计算机识别神经元的不同部分来做到这一点,每个部分都有不同的特征。

这样的连接图对于学习大脑如何处理信息以产生思想和行为至关重要。近年来,新的成像技术和扩展的存储数字图像的能力已导致海量数据的产生,捕获了神经元通过老鼠和其他模型生物的大脑时所经过的路径。CSHL教授Partha Mitra说,但是没有足够的专家来分析所有这些图像,他的团队开发了新的人工智能(AI)工具,并在《自然机器智能》杂志上进行了报道。Mitra说:

“我认为这个项目是建立一个虚拟的神经解剖学家。我们之所以需要这样做,是因为我们所做的工作传统上是由专家人员完成的,他们当然需要数十年的培训。他们拥有大量的知识。他们查看了-不知道-成千上万张图像。他们了解上下文,并且可以提供专家的判断和解释。”

Mitra说,自动化方法必须接管这项工作,但是计算机在解释视觉信息方面不如人类。专家解剖学家快速识别出的是在拥挤的显微镜图像上蜿蜒的单个神经元,对于算法而言并不那么明显-至少在没有进行广泛训练的情况下(其中允许计算机一次又一次地从大型数据集中学习),这种现象并不明显。

Mitra说:“现代的机器学习技术……还不够好。所缺少的是,它们通常不具备我们作为人类做出判断时所需要的某些先验知识或信息。”“因此,我们需要建立某种先验信息。”

研究人员使用一种称为拓扑数据分析的数学形式来完成此任务,这种方式将事物视为具有丘陵,山谷和曲线的3D空间。Mitra说,拓扑有时被称为“强调连通性的”橡胶板几何形状,而几何形状则依赖于精确的长度和角度。研究人员使用简化的数学描述来描述神经元部分的形状-体细胞体,细长的轴突和分支的树突。神经元的整体形状差异很大,但是通过向计算机展示神经元如何使用几种基本形式进行连接,该团队显着提高了程序检测轴突和树突的能力。

Mitra说:“在可预见的将来,自动图像分析仍将需要人工校对,以确保科学应用的质量-但是通过提高计算机的准确性,这种新方法大大减少了专家必须完成的工作。”

在新的美国国立卫生研究院资助下,Mitra的团队将进一步开发其AI数据分析工具。这些工具对美国脑计划至关重要,他的研究就是其中的一部分。他希望这种方法将解开大脑如何连接的奥秘,以便人类可以思考大脑实际上是如何工作的。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。