Google AI：人类皮层的可浏览千万亿级重建

22-02-04 banq

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”。
- 您可以在此处阅读有关果蝇连接组影响的更多信息。
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。