Созданные с помощью ИИ синтетические нейроны ускоряют картирование головного мозга.

Создание синтетических моделей нейронов помогает искусственному интеллекту лучше классифицировать нейроны по их форме, что ускоряет будущую реконструкцию карт головного мозга.

Быстрые ссылки

• Бумага
• Модель MoGen
• Веб-сайт Connectomics
• Делиться
  • Скопировать ссылку ×

Использование компьютеров для создания полных карт связей сложных структур головного мозга открывает новую эру нейронауки. Недавно опубликованная карта головного мозга и центральной нервной системы самца плодовой мухи представляет собой основополагающий ресурс для изучения того, как мозг реагирует на раздражители и контролирует тело.

Однако реконструкция всего мозга млекопитающих, и уж тем более человека, по-прежнему остается недостижимой задачей. Карта мозга плодовой мухи, содержащая 166 000 нейронов, представляет собой результат многолетней работы компьютеров с искусственным интеллектом и экспертов. Полный мозг мыши в тысячу раз больше, а мозг человека — в тысячу раз больше.

Исследовательский центр Google разрабатывает методы искусственного интеллекта для решения более масштабных задач по картированию мозга, ускоряя идентификацию, классификацию и визуализацию нейронов. Вместе с нашими партнерами мы также картировали фрагменты мозга зебровой амадины, целый мозг личинки зебровой рыбки и небольшой фрагмент человеческого мозга, а недавно запустили проект по картированию небольшого участка мозга мыши. В нашей новой статье «MoGen: Детальное создание морфологии нейронов с помощью сопоставления потоков точечных облаков», которая будет представлена на ICLR 2026, используются синтетические формы нейронов для улучшения моделей реконструкции с помощью ИИ.

Улучшение обучающих данных с помощью синтетических примеров из модели генерации нейронной морфологии (MoGen) приводит к снижению ошибок реконструкции на 4,4% и указывает направления для дальнейших улучшений. Хотя снижение ошибок на 4,4% может показаться незначительным, в масштабе целого мозга мыши это означает экономию 157 человеко-лет ручной проверки.

Это пополняет растущий список основополагающих инструментов, разработанных командой Google Research Connectomics для развития современной нейронауки и созданных в ходе более чем десятилетних совместных исследований в области изучения мозга.

воспроизведение видео без звука зацикливание пауза видео без звука зацикливание включение звука видео выключение звука

Эта анимация синтетических нейронов, созданных MoGen, показывает, как исходные облака точек постепенно приближаются к реалистичной форме нейрона. Здесь MoGen был обучен моделировать нейроны мыши. Использование синтетических нейронов MoGen для обучения модели ИИ снижает ошибки при реконструкции мозга.

Коннектомика: Карты нейронных связей головного мозга

В области коннектомики реконструируются клетки головного мозга, или нейроны, для создания карт связей в мозге. Процесс начинается с получения изображений тонких срезов мозговой ткани, а затем их наложения, выравнивания и сегментации, так что двухмерные изображения превращаются в трехмерные нейроны. Хотя для создания первой полной карты головного мозга червя потребовались кропотливые ручные методы, длившиеся более 16 лет, современные исследования ускоряют этот процесс с помощью цифровой визуализации и компьютеров.

Наша команда в Google Research использует модели искусственного интеллекта, чтобы преобразовывать микроскопические изображения в точные трехмерные модели нейронов. Результаты работы нашей модели ИИ проверяются и аннотируются экспертами. Этот последний этап проверки остается самым трудоемким и ключевым препятствием на пути к созданию более сложных карт мозга.

Разнообразие форм нейронов

Большинство клеток в организме имеют приблизительно сферическую форму. Однако биологические нейроны бывают самых разнообразных, тонких и изящных форм. Нейроны передают сигналы вдоль основного отростка, известного как аксон, который обычно длинный и тонкий и может изгибаться, скручиваться или разветвляться. Нейроны получают сигналы через сеть разветвленных отростков, известных как дендриты, которые часто имеют более короткие выступы, известные как дендритные шипики. Каждый нейрон также образует множество синапсов — специализированных соединений, через которые электрические или химические сигналы могут передаваться от одного нейрона к другому.

Эта сложная геометрия связана с биологической функцией и является ключевой проблемой коннектомики. Наша новейшая модель реконструкции на основе ИИ, PATHFINDER, начинает с идентификации сегментов нейритов, или подсегментов нейрона. Затем она объединяет эти сегменты для создания целого нейрона. Несоответствия в данных микроскопии могут приводить к «ошибкам разделения», то есть к тому, что два нейрита, которые должны быть соединены, вместо этого разделяются, или к ошибкам слияния , то есть к объединению двух несвязанных нейритов. Это существенные ошибки, которые корректоры — как правило, исследователи, аспиранты или технические специалисты — должны исправлять вручную.

Обучение ИИ на синтетических нейронах

Мы предположили, что увеличение объема обучающих данных, в том числе синтетических, улучшит производительность PATHFINDER. Синтезированные обучающие данные успешно применялись в других областях, включая обработку естественного языка, генерацию изображений и автономное вождение.

Для проверки этого мы создали MoGen, сокращение от Neuronal Morphology Generation (генерация морфологии нейронов). Мы обучили модель искусственного интеллекта, а именно модель сопоставления потоков точечных облаков PointInfinity, постепенно преобразовывать случайное облако 3D-точек в реалистичные 3D-формы нейронов. Используя реконструкции тканей коры головного мозга мышей, которые ранее были проверены человеком, мы обучили MoGen на 1795 аксонах, выбирая точки с их поверхностей. Мы подтвердили реалистичность результатов моделирования MoGen, попросив экспертов классифицировать набор нейритов, представляющих собой смесь реальных и смоделированных.

воспроизведение видео без звука зацикливание пауза видео без звука зацикливание включение звука видео выключение звука

Эти вращающиеся фрагменты нейритов были сгенерированы программой MoGen. Формы, созданные искусственным интеллектом, похожи на формы настоящих нейритов мышей, включая изгибы, скручивания, утолщения и разветвления. Специалисты-люди не смогли отличить реальные фрагменты от фрагментов, сгенерированных ИИ.

Затем мы добавили миллионы этих синтетических фигур в наш обучающий конвейер PATHFINDER.

Результаты: Ощутимое улучшение по сравнению с существующим уровнем развития технологий.

Использование модели PATHFINDER, обученной на 10% смоделированных данных из MoGen, позволило снизить частоту ошибок при реконструкции сохраненных аксонов мыши на 4,4%, в основном за счет уменьшения частоты ошибок слияния. Это снижает необходимость ручной коррекции со стороны экспертов. Это первый случай, когда современный подход генеративного искусственного интеллекта был использован для совершенствования существующего лучшего метода коннектомической реконструкции.

Хотя это может показаться незначительным улучшением, оно эквивалентно экономии 157 лет ручного труда одного специалиста в масштабе целого мышиного мозга.

Взгляд в будущее

Этот первоначальный результат предполагает и другие потенциальные улучшения в аналогичном направлении. Мы можем направлять MoGen на генерацию определенных типов нейронов, настраивая длину, пространственную протяженность, ветвление и другие параметры. В этом исследовании был сгенерирован случайный набор форм, но в будущем мы могли бы сосредоточиться на геометриях, особенно подверженных ошибкам реконструкции. Хотя это исследование было сосредоточено на мыши, поскольку разные виды имеют разные формы нейронов, мы также обучали версии MoGen на нейронах зебровой амадины и плодовой мухи. Мы также изучаем возможность использования смоделированных нейронов для создания синтетических изображений электронного микроскопа, которые предоставляют больше обучающих данных на более ранних этапах процесса реконструкции.

Мы выпустили MoGen в качестве модели с открытым исходным кодом, вместе с обученными для конкретных видов моделями, в качестве ресурса для дальнейшего развития сообщества. Мы считаем, что для решения огромных масштабов и сложностей будущих проектов в области коннектомики, включая картирование всего мозга мыши, потребуется больше подобных инноваций.

Благодарности

Мы благодарим наших научных сотрудников из лаборатории Хесса в HHMI Janelia и отмечаем вклад команды Connectomics в Google. Благодарим Лиззи Дорфман, Майкла Бреннера, Джона Платта и Йосси Матиаса за их поддержку, координацию и руководство.

Источник: research.google