IT思维

公众号/将门创投

From：Google  编译:T.R

连接组学作为脑科学中的重要分支，一直以来致力于重建出脑部各个部分间的连接地图，以理解神经系统的工作原理。大脑中动辄十亿百亿计的细胞让这项研究充满了挑战。

近日，来自谷歌的研究人员与霍华德休斯医学研究中心以及剑桥大学合作，通过AI技术与TPU强大算力的结合将果蝇大脑的透射电镜图像进行匹配和重建，实现了数十万神经元的追踪和三维重建，为我们展现出了脑部令人叹为观止的精妙结构。

在这一研究中，研究人员选择了大脑结构适中的果蝇进行了深入的研究。果蝇是一种神奇的动物，至今已经有八个诺贝尔奖出自基于果蝇的研究，包括基因、分子生物学和神经科科学等方面。它的大脑结构包含了数十万个神经元，处理起来相对容易。如果选择小鼠，则需要面对数亿个神经元及其相互连接，我们的大脑更是涵盖了上千亿个神经元。

果蝇的大脑结构

为了构建果蝇大脑的三维结构，研究人员们首先利用成年果蝇的大脑投射电镜图像作为研究基础。每一层图像对应大脑组织的厚度是40nm，如此细微的成像过程使得整个果蝇脑部的图像像素达到了40万亿像素之多。

在这些图像数据的基础上，研究人员需要对二维图像进行匹配和对齐，重建出连续的完整的三维大脑数据。为了对数量庞大的神经元进行对齐和追踪，研究人员使用了FloodFilling网络(FFN)来对数据进行处理，自动匹配和对齐每一个独立的神经元。

FloodFilling网络是谷歌于2018年提出的神经元自动分割和重建模型。在图像分割的基础上，它增加了一系列回归的旁支来辅助网络优化和处理单个神经元，并在三维数据中跟踪单个神经元。

对于数据缺失的层，研究人员则使用了分割提升SE-CycleGAN的方法来生成出缺失的数据。基于生成对抗网络对于数据的补全，FFN可以在追踪神经元的过程中表现得更为鲁棒。

对于脑部结构这样复杂的数据来说，可视化是必要的研究方式。为了便于对数据的查看和理解，研究人员开发出了专门针对脑部庞大数据的大规模可视化工具Neuroglancer。

也可对二维图像中神经元进行三维追踪重建：

还可实现多层间细胞关系的三维追踪重建：

这款工具可以使用浏览器中运行，在WebGL的加持下可以显示pb级别的大规模三维数据，并支持任意轴切片、多分辨率网格构建等功能，并为用户提供了python接口用于构建自定义的分析流程。

上图显示了Neuroglancer中的可视化重建结果

这一大规模的脑部结构重建将会加速人们对于脑科学的研究进展，未来研究人员将会针对该连接体进行更有效的识别和重建，并基于FIB-SEM技术成像出更为精确的脑部结构。

更多详细信息请参看：

http://fafb-ffn1.storage.googleapis.com/landing.html

ref: