人工智能学会通过外表识别神经细胞

有可能理解大脑吗？科学远没有回答这个问题。然而，由于研究人员已经开始为神经生物学分析训练人工智能，至少有可能重建大脑的细胞结构。马克斯普朗克神经生物学研究所和谷歌AI开发的新人工神经网络现在可以根据神经细胞的外观对其进行独立的识别和分类。

人脑由大约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。尽管绘制人脑的所有连接仍然遥不可及，但科学家已经开始在更小的范围内解决这个问题。随着串行块扫描电子显微镜的发展，特定脑区的所有细胞和连接都可以自动测量并显示在三维图像中。

马克斯普朗克神经生物学研究所温弗里德登克系博士生菲利普舒伯特说：“在电子显微镜下观察0.3 mm3的大脑可能需要几个月的时间。“根据大脑的大小，这似乎是一个非常小的时间。但即使它包含成千上万个细胞。这样的数据集也需要差不多100TB的存储空间。然而，它不是收集和存储，而是数据分析是一个困难的部分。

幸运的是，分析方法和显微镜技术一起得到了改进。长期以来，在电子显微镜图像中，似乎只有人脑能够可靠地识别和跟踪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几个小时来跟踪图像堆栈中的单元组件，并正确执行计算机分析。因此，即使是最小的数据集，重建也需要很多年。然而，几年前，研究人员得到了人工智能的帮助。

马丁斯里德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”进行改进的图像分析，整个神经细胞及其所有组件和连接都在2018年自动从图像堆栈中提取出来，几乎没有错误。舒伯特说：“现在，通过细胞形态学的神经网络，我们在分析方面又向前迈出了一步。“像人类一样，CMN通过细胞的形状和背景来识别细胞，而不是通过比较单个像素”。

CMN现在可以根据外观将从图像堆栈中提取的神经细胞分配给神经细胞类型或神经胶质细胞。CMN还确定了细胞区域是属于细胞体、轴突、树突还是其棘突。“这些信息对于理解细胞的功能非常重要，例如突触接触的信息流方向。舒伯特说，他期待下一个任务：“现在我们终于可以分析更大的数据集了！