谷歌自动重建了完整果蝇大脑神经图：40万亿像素，可在线交互，用了数千块TPU
乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI
研究大脑神经网络，又有新进展。
谷歌AI发布博客文章宣布最新研究成果：
用Flood-Filling网络和Local Realignment，基于果蝇的大脑切片自动重建出了完整的果蝇大脑神经图。
论文链接：
https://www.biorxiv.org/content/early/2019/08/04/605634.full.pdf
整个脑神经图的像素高达40万亿，重建的过程用了数千块TPU。
谷歌AI，还开发了一个名为Neuroglancer的3D交互界面，任何人都可以下载或在线浏览结果。
而且，相应的工具与算法，谷歌AI也已经开源了。
在线观看链接：
https://bit.ly/2GKmDF2
社交媒体上，也有网友给出了这项技术的应用前景：
如果算法是正确的，就意味着我们现在可以映射整个@realDonaldTrump的大脑。
也有人感叹，自己13年前也参与了果蝇大脑的重建工作，但不幸的是，但是没有TPU和SECGAN。
如何自动重建果蝇脑神经图？
根据谷歌AI的介绍，重建果蝇大脑大体分为3个步骤：
首先，他们在霍华德·休斯医学研究所(HHMI)的研究合作伙伴，将果蝇的大脑切片，做成了成千上万个超薄的40纳米薄片。
其次，用透射电子显微镜成像技术对每一片进行成像，产生了超过40万亿像素的大脑成像。
最后，将这些2D图像对齐成3D果蝇大脑图像。
整个过程，谷歌AI使用了数千个TPU进行计算，而且应用了Flood-Filling网络来自动追踪果蝇大脑中的每一个神经元。
虽然算法整体表现良好，但他们发现，由于对齐不完善（连续切片中的图像内容不稳定），会出现多个切片在成像过程中丢失的情况，这直接会导致性能下降。
为了解决这个问题，谷歌AI采取了两个措施。
一是，估计3D图像中各个区域中切片到切片的一致性，在Flood-Filling网络跟踪每个神经元的时候，局部稳定图像内容。
二是，应用分割-增强CycleGAN（SECGAN）来计算缺失的切片。
谷歌AI介绍称，当使用SECGAN的图像数据时，Flood-Filling网络能够更好地追踪多个缺失切片的位置。
40万亿像素下的可视化
拼接好了之后，怎么呈现？
谷歌AI表示，处理包含数万亿像素的3D 图像和具有复杂形状的物体时，可视化既是必要的，也是困难的。
他们设计了一个新的工具Neuroglancer，就有可扩展性和强大的功能。只要有支持 WebGL 的浏览器都可以访问。
而且，也支持许多高级功能，比如对任意轴横截面重新排列、多分辨率网格，以及通过与 Python集成开发自定义分析工作流的强大能力。
目前，这个工具已经开源，被艾伦脑科学研究所、哈佛大学、HHMI、马克斯普朗克研究所、麻省理工学院、普林斯顿大学和其他地方的研究者大量使用。
项目链接：
https://github.com/google/neuroglancer
下一步的研究
在谷歌AI的规划中，这只是一个开始。
谷歌表示，他们在HHMI和剑桥大学的合作者，已经开始使用这种重建技术来加速研究果蝇大脑的学习、记忆和感知。
但是，上述结果还不是一个真正的神经元链接图，因为需要确定突触。
不过，谷歌AI表示，他们正在与HHMI的研究团队合作，利用“FIB-SEM”技术获得的图像，创建一个高度验证和详尽的果蝇大脑连接体。
谷歌AI博客链接：
https://ai.googleblog.com/2019/08/an-interactive-automated-3d.html
- 谷歌首席科学家：搞研究的痛苦，搞工程的人不懂2018-12-01
- 滴滴副总裁叶杰平离职，他是出行巨头的AI掌门人，战胜Uber中国的关键科学家2020-09-07
- 董明珠的格力空调卖不动了：上半年营收同比腰斩，24年来首次被美的反超2020-09-01
- 手机配件市场上的“隐形巨头”：80后长沙夫妻创办，IPO首日市值逼近600亿2020-08-31
相关阅读
