Google AI:人类皮层的可浏览千万亿级重建


  • 连接组是生物体大脑中所有神经连接的地图,它有助于理解大脑内神经相互作用的组织。
  • 发布大脑中所有神经元和突触的完整映射非常复杂,2020 年 1 月,谷歌研究院发布了果蝇的“半脑”连接组- 一个在线数据库,其结构和突触连接大约相当于果蝇一半大脑的结构和突触连接。一只果蝇。
  • 果蝇的连接组彻底改变了神经科学,哥伦比亚大学的理论神经科学家拉里·阿博特 (Larry Abbott) 说:“该领域现在可以分为两个时代:BC 和 AC——连接组之前和连接组之后”。
  • Google Research 现在正在发布 H01 数据集,这是一个 1.4 PB(1 PB 是 1024 TB)的人类脑组织小样本的渲染图。
    • 该样本覆盖了 1 立方毫米的人类脑组织,其中包括数万个重建的神经元、数百万个神经元片段和 1.3 亿个带注释的突触。
  • 最初的大脑成像生成了2.25 亿张单独的二维图像。然后,谷歌 AI 团队通过计算拼接和对齐这些数据以生成单个3D 体积。
    • 谷歌使用循环卷积神经网络做到了这一点。您可以在此处阅读有关如何完成此操作的更多信息。
  • 您可以在此处查看 H01 的结果(成像数据和3D 模型)。
  • 上面链接的 3D 可视化工具是用 WebGL 编写的,并且是完全开源的。您可以在此处查看源代码。
  • H01 是一个 PB 级的数据集,但只有整个人脑体积的百万分之一。下一个挑战是对整个小鼠大脑(比 H01 大 500 倍)进行突触级大脑映射,但仍然存在严重的技术挑战。
    • 一个挑战是数据存储——老鼠的大脑可以生成EB 的数据,因此谷歌 AI 正在研究 Connectomics 的图像压缩技术,重建的准确性损失可以忽略不计。
    • 另一个挑战是成像过程(收集小鼠大脑切片的图像)并不完美。存在必须处理的图像噪声。
    • 谷歌人工智能通过在“快速”采集机制(导致更多噪声)和“慢”采集机制(导致少量噪声)中对同一块组织进行成像来解决成像噪声。然后,他们训练了一个神经网络,从“快速”扫描中推断出“慢速”扫描,现在可以将该神经网络用作连接组学过程的一部分。