乾明 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

研究大脑神经网络，又有新进展。

谷歌AI发布博客文章宣布最新研究成果：

用Flood-Filling网络和Local Realignment，基于果蝇的大脑切片自动重建出了完整的果蝇大脑神经图。

论文链接：
https://www.biorxiv.org/content/early/2019/08/04/605634.full.pdf

整个脑神经图的像素高达40万亿，重建的过程用了数千块TPU。

谷歌AI，还开发了一个名为Neuroglancer的3D交互界面，任何人都可以下载或在线浏览结果。

而且，相应的工具与算法，谷歌AI也已经开源了。

在线观看链接：

https://bit.ly/2GKmDF2

社交媒体上，也有网友给出了这项技术的应用前景：

如果算法是正确的，就意味着我们现在可以映射整个@realDonaldTrump的大脑。

也有人感叹，自己13年前也参与了果蝇大脑的重建工作，但不幸的是，当时没有TPU和SECGAN。

如何自动重建果蝇脑神经图？

根据谷歌AI的介绍，重建果蝇大脑大体分为3个步骤：

首先，他们在霍华德·休斯医学研究所(HHMI)的研究合作伙伴，将果蝇的大脑切片，做成了成千上万个超薄的40纳米薄片。

其次，用透射电子显微镜成像技术对每一片进行成像，产生了超过40万亿像素的大脑成像。

最后，将这些2D图像对齐成3D果蝇大脑图像。

整个过程，谷歌AI使用了数千个TPU进行计算，而且应用了Flood-Filling网络来自动追踪果蝇大脑中的每一个神经元。

虽然算法整体表现良好，但他们发现，由于对齐不完善（连续切片中的图像内容不稳定），会出现多个切片在成像过程中丢失的情况，这直接会导致性能下降。

为了解决这个问题，谷歌AI采取了两个措施。

一是，估计3D图像中各个区域中切片到切片的一致性，在Flood-Filling网络跟踪每个神经元的时候，局部稳定图像内容。

二是，应用分割-增强CycleGAN（SECGAN）来计算缺失的切片。

谷歌AI介绍称，当使用SECGAN的图像数据时，Flood-Filling网络能够更好地追踪多个缺失切片的位置。

40万亿像素下的可视化

拼接好了之后，怎么呈现？

谷歌AI表示，处理包含数万亿像素的3D 图像和具有复杂形状的物体时，可视化既是必要的，也是困难的。

他们设计了一个新的工具Neuroglancer，就有可扩展性和强大的功能。只要有支持 WebGL 的浏览器都可以访问。

而且，也支持许多高级功能，比如对任意轴横截面重新排列、多分辨率网格，以及通过与 Python集成开发自定义分析工作流的强大能力。

目前，这个工具已经开源，被艾伦脑科学研究所、哈佛大学、HHMI、马克斯普朗克研究所、麻省理工学院、普林斯顿大学和其他地方的研究者大量使用。

项目链接：
https://github.com/google/neuroglancer

下一步的研究

在谷歌AI的规划中，这只是一个开始。

谷歌表示，他们在HHMI和剑桥大学的合作者，已经开始使用这种重建技术来加速研究果蝇大脑的学习、记忆和感知。

但是，上述结果还不是一个真正的神经元链接图，因为需要确定突触。

不过，谷歌AI表示，他们正在与HHMI的研究团队合作，利用“FIB-SEM”技术获得的图像，创建一个高度验证和详尽的果蝇大脑连接体。

谷歌AI博客链接：

https://ai.googleblog.com/2019/08/an-interactive-automated-3d.html

— 完 —

加入社群 | 与优秀的人交流

小程序 | 全类别AI学习教程

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧 ！