一种新的人工智能追踪神经元的工具

冷泉港实验室（CSHL）的科学家们通过教计算机在显微镜下大脑图像中识别神经元，这种方法比以前任何方法都更有效。

研究人员提高了追踪神经元及其连接的自动化方法的效率，随着研究人员绘制大脑紧密相连的电路图，这项任务的需求越来越大。他们通过教计算机识别神经元的不同部分来做到这一点，每一部分都有不同的特征。

这种连接图对于学习大脑如何处理信息以产生想法和行为至关重要。近年来，新的成像技术和扩大的数字图像存储能力带来了巨大的数据量，捕捉到了神经元在老鼠和其他模型生物的大脑中穿行的路径。但是没有足够的专家来分析所有这些图像，CSHL教授parthamitra说，他的团队开发了新的人工智能（AI）工具，并在《自然机器智能》（Nature Machine intelligence）杂志上对此进行了报道。

米特拉说：“我认为这个项目是建立一个虚拟的神经解剖学家。我们需要它的原因是，我们正在做的工作传统上是由专家来完成的，当然，他们需要几十年的训练。他们有大量的知识。他们了解背景，他们可以提供专家判断和解释。”

米特拉说，自动化方法必须接管这项工作，但计算机在解释视觉信息方面不如人类。一个专家解剖学家很快就认识到，一个神经元在拥挤的显微镜图像中游荡，这对于算法来说并不明显——至少在没有大量训练的情况下，计算机可以反复地从大数据集中学习。

“现代机器学习技术，还是不够好。”Mitra说：“他们通常没有我们人类在做出这些判断时所拥有的一些先验知识或信息，所以我们需要建立一些事先的信息。”

研究人员使用一种称为拓扑数据分析的数学形式来实现这一点，这种分析方法将事物视为具有丘陵、山谷和曲线的三维空间。密特拉说，拓扑学有时被称为“强调连通性的‘橡胶板几何’，与依赖精确长度和角度的几何学不同。研究人员用简单的数学描述神经元部分的形状——丰满的细胞体、细长的轴突和分枝的树突。神经元的整体形状变化很大，但通过向计算机展示神经元是如何用几种基本形式连接起来的，研究小组显著提高了该程序检测轴突和树突的能力。

Mitra说：“在可预见的将来，自动图像分析仍然需要一个人工校对器，以确保科学应用的质量，但是通过提高计算机的精确度，这种新方法大大减少了专家必须完成的工作。”

在美国国立卫生研究院（National Institutes of Health）的资助下，Mitra的研究小组将进一步开发他们的人工智能数据分析工具。这些工具对美国大脑倡议（U.S.Brain Initiative）至关重要，他的研究就是其中的一部分。他希望这种方法能解开大脑如何连接的谜团，让人类能够思考大脑究竟是如何工作的。