有可能理解大腦嗎?科學(xué)還遠(yuǎn)未回答這個(gè)問題。然而，由于研究人員已開始訓(xùn)練神經(jīng)生物學(xué)分析的人工智能，因此至少可能重建大腦的細(xì)胞結(jié)構(gòu)。由馬克斯普朗克神經(jīng)生物學(xué)研究所和Google AI開發(fā)的新型人工神經(jīng)網(wǎng)絡(luò)現(xiàn)在甚至可以根據(jù)神經(jīng)細(xì)胞的外觀獨(dú)立識(shí)別和分類神經(jīng)細(xì)胞。

人類大腦由大約860億個(gè)神經(jīng)細(xì)胞和大約相同數(shù)量的神經(jīng)膠質(zhì)細(xì)胞組成。此外，僅神經(jīng)細(xì)胞之間就有大約100萬億個(gè)連接。雖然映射人腦的所有連接仍然遙不可及，但科學(xué)家們已經(jīng)開始在較小規(guī)模上解決這個(gè)問題。通過串行塊面掃描電子顯微鏡的開發(fā)， 現(xiàn)在可以自動(dòng)測(cè)量特定腦區(qū)域的所有細(xì)胞和連接并以三維圖像顯示。

“在電子顯微鏡下觀察0.3 mm3大腦可能需要幾個(gè)月的時(shí)間”， 馬克斯普朗克神經(jīng)生物學(xué)研究所Winfried Denk系博士生Philipp Schubert說 。“根據(jù)大腦的大小，這似乎是一個(gè)很小的時(shí)間。但即使這包含數(shù)千個(gè)細(xì)胞“。這樣的數(shù)據(jù)集還需要幾乎100TB的存儲(chǔ)空間。然而，它不是收集和存儲(chǔ)，而是數(shù)據(jù)分析是困難的部分。

幸運(yùn)的是，分析方法與顯微鏡技術(shù)一起得到了改進(jìn)。很長(zhǎng)一段時(shí)間，只有人腦似乎能夠可靠地識(shí)別和跟蹤電子顯微鏡圖像中神經(jīng)細(xì)胞的部分和連接。例如，人們?nèi)匀恍枰谟?jì)算機(jī)屏幕前工作數(shù)小時(shí)才能跟蹤圖像堆棧中的單元組件并正確進(jìn)行計(jì)算機(jī)分析。因此，即使是最小的數(shù)據(jù)集的重建也需要很多年。然而，幾年前，研究人員獲得了人工智能的幫助。

來自Martinsried的神經(jīng)生物學(xué)家訓(xùn)練“ 卷積神經(jīng)網(wǎng)絡(luò) ”來識(shí)別和區(qū)分圖像數(shù)據(jù)中的神經(jīng)細(xì)胞成分。通過使用“ 洪水填充網(wǎng)絡(luò) ” 進(jìn)行改進(jìn)的圖像分析，整個(gè)神經(jīng)細(xì)胞及其所有組件和連接在2018年自動(dòng)從圖像堆棧中提取 - 幾乎沒有錯(cuò)誤。“而現(xiàn)在，通過細(xì)胞形態(tài)學(xué)神經(jīng)網(wǎng)絡(luò)，我們?cè)诜治鲋杏窒蚯斑~進(jìn)了一步”，舒伯特說。“與人類一樣，CMN通過其形狀和背景識(shí)別細(xì)胞，而不是通過比較單個(gè)像素”。

CMN現(xiàn)在可以根據(jù)其外觀將從圖像堆棧提取的神經(jīng)細(xì)胞分配到神經(jīng)細(xì)胞類型或神經(jīng)膠質(zhì)細(xì)胞。CMN還識(shí)別細(xì)胞區(qū)域是否屬于細(xì)胞體，軸突，樹突或其棘突。“為了能夠理解細(xì)胞的功能，或者例如突觸接觸點(diǎn)的信息流方向，這些信息非常重要，舒伯特說，他已經(jīng)期待著下一個(gè)任務(wù)：”現(xiàn)在我們最終可以分析更大的數(shù)據(jù)集!