AI技术新应用：神经元标注领域启用AI纠错
10月7日,国际顶级学术刊物《Nature》发布了题为《Morphological diversity of single neurons in molecularly defined cell types》的小鼠大脑神经元重构的文章。该研究由西雅图艾伦脑科学研究所和东南大学脑科学与智能技术研究院/东南大学-艾伦联合研究中心联合牵头,彭汉川教授、曾红葵教授领导的国内外研究团队共同参与,实现了1741个小鼠神经元的重建,这也是目前全球学术范围内最大规模的神经元重建。
腾讯天衍实验室作为论文共同完成单位和东南大学合作开发了AI纠错技术,协助顶级神经科学家团队在“数据海洋”中,更高效地完成了在小鼠皮层、屏状核(黄皮区)、丘脑、纹状体和其他脑区神经元重建研究的规模突破,让人类在攀登神经科学研究的“终极疆域”有了新的“助手”。
为绘制神经网络图谱提供金标准信息
神经元作为构成神经系统结构和功能的基本单位,不仅是人类探索大脑奥秘,揭开人类行为模式、思考模式的突破口,也对治愈人类神经疾病有重要意义。
近年的科技发展让人类对神经元的类型和运行机制探索有了进一步飞跃。单细胞RNA测序(scRNAseq)技术凭借多维度地反映细胞功能以及对物种和脑区间的定量比较,近来被广泛用于分子神经科学。同时,科学家们也能使用顺行追踪法和逆行追踪法,对投射神经元集群进行图谱绘制,但神经元集群在单细胞水平和神经元基本单元上的投射模式仍是未解之谜。因为,神经元的运行模式异常复杂,科学家常常把神经元之间的映射关系比作高速公路,它会根据大脑发出的“指令”实时呈现不同的“神经元”间的交通状况,比高速公路还更复杂。
在完整神经元形态重建中,科学家将神经元细胞类型准确分类和神经元多样性考虑进实验,同时还将不同但相关的细胞特性进行了整合,以获取更加精确的神经元分类和图谱绘制。
最终,这支多家单位联合的脑科学家团队,合作表征出了单神经元轴突投射模型,验证了在细胞类型分类中对完整单细胞解剖结构的定量描述至关重要,揭示了单个神经元的大量的形态和投射多样性,验证了这些多样性受区域特征和细胞类型特异性表现出来的规则支配。
这项研究成果不仅为细胞分类研究提供了完美的科研素材,也为绘制全局网络和局部回路图谱提供了基础真实信息。
值得注意的是,由于本次研究的神经元规模较大,科学家们期望能通过引入AI来提高工作效率,天衍实验室在医疗AI方面的技术能力,引起了科学家们的关注,双方一拍即合,促成了AI在工程浩大的小鼠神经元重构领域的完美“首秀”。
神经元标注领域首次启用AI纠错
据了解,在该研究中,科学家不仅对1741个小鼠神经元进行了重构,同时还定义出11种具有不同形态特征和基因表达的主要投射神经元类型,完成这项人类史上最大规模的小鼠大脑神经元重构并不轻松。
科学家们需要详细分析小鼠全脑三维数据集,其包含上万个XY平面的冠状图像,使用TeraVR虚拟现实标记系统对3D图像进行人工标记,来重建每个神经元的完整形态。
对于2D图像的标注,我们只需关注平面上的点位,相对较为容易。但这项研究是通过VR设备在3D图像上做标记,相当于科学家们不仅需要了解该标记在基于平面视角上的精确位置,还需要从立体视角精确标记该点位的深度。这就如同一个人在3D游戏中想抓住一只飞行在极大空间里的小虫,用户虽然可以迅速定位这只小虫的平面位置,但真正捕捉它的时候却发现它在定位空间之外的垂直高空中。这也是人工标注容易出现错误的原因。因此所有神经元数据还需要再让独立的科学家进行检查和勘误,全部数据需要经过三轮校验甚至修正才能得到最终标注结果,而每个数据完成一轮勘误需要花费至少1小时人工,时间成本可想而知。
鉴于此,科学家们亟须一种能够帮助迅速检查错误的算法,帮助减少人工成本,同时还能提升标注效率和精度。
在华人顶级医疗AI科学家郑冶枫博士的带领下,天衍实验室针对性地开发出一种自动的错误节点检测算法,用AI对人工标注进行自动纠错。
据介绍,该算法能对包括循环、间隙和不正确的节点类型重建错误进行自动检测和基本纠正,并将纠正结果发回进行人工核实。据测算,该算法对单个节点重建错误检测AUC达到了94.9%,准确率更达到86.6%,大大降低了手工核验工作的繁琐度,也让标注精度得到保障,获得了参与研究的科学家们的肯定。日前,实验室也已和东南大学脑科学与智能技术研究院签订了二期合作协议。
虽然,目前人工稀疏标记法在神经元研究领域应用仍非常普遍,对标注的人工勘误也已成为科学家们的“传统手艺”。但随着科技的发展,今天,在“摩尔定律”的“操控下”,越来越多的科技被用到了学术研究领域,从巨型天文望远镜、能透视大型集装箱货车的自动化检测装置,到能对DNA分子实施切割技术的扫描探针显微镜,再到如今帮助科学家重构神经元的AI纠错技术,技术的发展一直在夯实科学家探索世界奥秘的能力。
而在脑科学领域,对于拥有860亿神经元的人脑研究来说,虽然我们还有很长的路要走,但能成功将AI引入工程巨大的神经科学研究的海洋,对我们来说或许是开启更复杂世界探索之旅的一个开始。