3981小时重建了500000立方微米小鼠大脑，人造神经网络里程碑式研究！

正文

请到「今天看啥」查看全文

接下来我们为大家解读这项研究：

人机数据分析的效率决定了连接组学的进展，研究提出3点提高分析效率

通过使用基于人工智能的方法，图像分析已经取得了关键进展，但是，致密神经组织的重建仍然很容易出错，以至于未展现其科学意义。为了解决这个问题，人类数据分析已经集成到连接组的生成中，而现在，这种人机数据分析的效率决定了连接组学的进展。

因此，研究人员重点关注如何提高分析效率，这主要有以下几点：

• 提高自动分割质量；
• 分析自动分割中可能存在错误的位置，并将人工工作仅引导到这些位置上；
• 通过帮助注释者来优化人员数据交互，以便立即了解要解决的问题，从而实现浏览器内部并行数据的快速传输，并最大程度地减少注释程序查询之间的延迟。

先进显微镜+人工智能：3981小时完整重建一小块小鼠大脑的每个细胞

研究人员使用连续扫描电子显微镜(SBEM)从一只28天龄的小鼠的初级体感皮层的第4层(图1, A至D)获得了一个3D EM数据集。

对于密集重建(图1，E到H)，研究人员对图像进行3D对齐，并应用了一系列自动分析技术[SegEM， SynEM， ConnectEM和TypeEM]，然后，有重点地进行人工注释(FocusEM)。研究人员在数据集中重建了89个神经元(图1、E和F)，这些神经元仅占总连接长度的2.6%。

图1：小鼠初级体感皮层第4层的密集神经元连接组重建

为了重建构成密集回路中大部分布线的轴突，研究人员采用了一种可扩展的分布式注释策略，该策略可识别自动重建中不确定的位置，然后通过有针对性的手工注释来解决。

为了减少所需的手工注释时间，获得具有低错误率的自动化重构、使用高效的算法来识别用于集中人工检查(查询)的位置、以及最大程度地减少每次查询所花费的时间至关重要。为此，如图2A所示，研究人员开发了基于人工智能的算法来评估EM图像数据和经卷积神经网络(CNN)过滤后的图像数据(图2B)。

图2：高效密集连接组重建的方法

使用这种灵活的注释结构，获得了2.69m的密集神经元突起的重建(图1,G和H)，人工工作投入的时间仅为3981个小时。这比2017年K. Eichler等人重建果蝇幼虫大脑的工作快了10倍，比2013年科学家完整重构哺乳动物小块视网膜的工作快了20倍。

请到「今天看啥」查看全文