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
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-Section 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。
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。
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。
机器之心
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69927062/viewspace-3159609/ ，如需转载，请注明出处，否则将追究法律责任。
