有可能理解大腦嗎?科學(xué)還遠未回答這個(gè)問(wèn)題。然而，由于研究人員已開(kāi)始訓練神經(jīng)生物學(xué)分析的人工智能，因此至少可能重建大腦的細胞結構。由馬克斯普朗克神經(jīng)生物學(xué)研究所和Google AI開(kāi)發(fā)的新型人工神經(jīng)網(wǎng)絡(luò )現在甚至可以根據神經(jīng)細胞的外觀(guān)獨立識別和分類(lèi)神經(jīng)細胞。

人類(lèi)大腦由大約860億個(gè)神經(jīng)細胞和大約相同數量的神經(jīng)膠質(zhì)細胞組成。此外，僅神經(jīng)細胞之間就有大約100萬(wàn)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(kāi)始在較小規模上解決這個(gè)問(wèn)題。通過(guò)串行塊面掃描電子顯微鏡的開(kāi)發(fā)， 現在可以自動(dòng)測量特定腦區域的所有細胞和連接并以三維圖像顯示。

“在電子顯微鏡下觀(guān)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(shuō) 。“根據大腦的大小，這似乎是一個(gè)很小的時(shí)間。但即使這包含數千個(gè)細胞“。這樣的數據集還需要幾乎100TB的存儲空間。然而，它不是收集和存儲，而是數據分析是困難的部分。

幸運的是，分析方法與顯微鏡技術(shù)一起得到了改進(jìn)。很長(cháng)一段時(shí)間，只有人腦似乎能夠可靠地識別和跟蹤電子顯微鏡圖像中神經(jīng)細胞的部分和連接。例如，人們仍然需要在計算機屏幕前工作數小時(shí)才能跟蹤圖像堆棧中的單元組件并正確進(jìn)行計算機分析。因此，即使是最小的數據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(lái)自Martinsried的神經(jīng)生物學(xué)家訓練“ 卷積神經(jīng)網(wǎng)絡(luò ) ”來(lái)識別和區分圖像數據中的神經(jīng)細胞成分。通過(guò)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(méi)有錯誤。“而現在，通過(guò)細胞形態(tài)學(xué)神經(jīng)網(wǎng)絡(luò )，我們在分析中又向前邁進(jìn)了一步”，舒伯特說(shuō)。“與人類(lèi)一樣，CMN通過(guò)其形狀和背景識別細胞，而不是通過(guò)比較單個(gè)像素”。

CMN現在可以根據其外觀(guān)將從圖像堆棧提取的神經(jīng)細胞分配到神經(jīng)細胞類(lèi)型或神經(jīng)膠質(zhì)細胞。CMN還識別細胞區域是否屬于細胞體，軸突，樹(shù)突或其棘突。“為了能夠理解細胞的功能，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(shuō)，他已經(jīng)期待著(zhù)下一個(gè)任務(wù)：”現在我們最終可以分析更大的數據集!