昨天，谷歌联合霍华德休斯医学研究所（HHMI）和剑桥大学，发布了一项对果蝇大脑深度研究的重大成果——自动重建整个果蝇大脑。他们使用数千个GoogleCloudTPU，重建了一个完整的果蝇大脑，像素高达40万亿。有了大脑的全貌，科学家们离理解大脑的工作原理又近了一步。你可知道？果蝇被认为是人类研究最透彻的生物之一，迄今为止，已有八项诺贝尔奖授予了使用果蝇进行分子生物学、遗传学和神经科学发展的研究。长期以来，科学家们一直梦想通过绘制完整大脑神经网络的结构图来了解神经系统的工作原理。最近研究的一个主要目标是果蝇的大脑。果蝇的一个重要优势是它们的大小：果蝇的大脑相对较小，只有100,000个神经元，而小鼠有1亿个，人类有1000亿个。这使得果蝇大脑更容易作为一个完整的回路进行研究。今天，谷歌与霍华德休斯医学研究所（HHMI）和剑桥大学合作，发布了一项对果蝇大脑进行深入研究的新成果——自动重建整个果蝇大脑。AutomaticReconstructionoftheDrosophilaBrain本文题为“AutomaticreconstructionoftheDrosophilabrainfromserialsliceimagingusingFlood-Fillingnetworksandlocaladjustments”：来自谷歌、霍华德休斯医学研究所(HHMI)JaneliaResearchCampus和剑桥大学A共有16名研究人员参与了这项研究。其中，第一作者PeterH.Li是谷歌的研究科学家。主要研究方向为通识科学、机器智能、机器感知。PeterH.Li等人还提供了果蝇大脑的完整图像展示，任何人都可以下载查看，或者使用交互式工具在线浏览，他们还开发了一个名为Neuroglancer的3D交互界面。您的浏览器不支持视频标签Neuroglancer的演示这不是第一次绘制完整的果蝇大脑图谱。一月份，《科学》杂志刊登了一篇关于麻省理工学院和霍华德休斯医学研究所(HHMI)科学家成功的封面故事。果蝇的整个大脑已经以纳米级分辨率成像。但这仍然是一种手动方法，使用了两种最先进的显微镜技术。几十年来，神经科学家一直梦想绘制出大脑神经网络的完整详细图谱，但对于拥有1000亿个神经网络的人脑来说，需要处理的数据量是难以想象的。如果能够自动重建果蝇大脑，或许离自动绘制人类大脑又近了一步。这不是PeterH.Li的团队第一次尝试使用AI方法来绘制大脑神经元图。他们在2016年和2018年对更小的数据集进行了研究，如下图右下角所示。果蝇大脑的40太像素3D重建；右下方分别是谷歌人工智能在2016年和2018年分析的较小数据集。2018年，谷歌与德国马克斯普朗克神经生物学研究所合作开发了一种基于深度学习的系统，可以自动绘制大脑神经元图。他们重建了100万立方微米斑胸草雀大脑的扫描图像。研究人员表示，由于成像的高分辨率，即使是一立方毫米的脑组织也能产生超过1,000TB的数据。所以，这次重建整个果蝇大脑，其数据量之庞大可想而知。谷歌的CloudTPU是用来处理数据的，有几千个！谷歌AI负责人JeffDean也在推特上感叹：TPU真的能飞！GoogleAI科学家利用TPU帮助重建了整个果蝇大脑的神经连接！接下来，新智元带来对这项研究的详细解读：40万亿像素果蝇大脑，自动重构！实验过程中，主要使用的数据集是FAFB，即“fulladultfly”brain（完整的成年果蝇大脑）（相关数据集见文末）。在这个数据集上，研究人员切片将果蝇大脑分成数万个40纳米的超薄切片，并用透射电子显微镜对每个切片进行成像，从而产生了超过40万亿像素的大脑图像。并将这些2D图像整合成连贯的3D果蝇大脑图像。接下来，研究人员使用了数千个云端TPU，并应用了一个Flood-FillingNetwork(FFN)来自动跟踪果蝇大脑中的每个神经元。FFN对整个果蝇大脑进行密集分割。上图中的A是经过平滑处理的组织掩膜3D渲染的FAFB数据集。任意冠状切片（数据集XY平面）显示整个内部的FAFB-FFN1分割。B-E显示增加比例因子的效果。自动神经元重建与用于验证的手动神经元跟踪虽然此算法总体上工作得很好，但当对齐不完美（连续切片中的图像内容不稳定）或偶尔由于成像过程中的多重丢失时，它可能会很困难。当有连续切片时，性能会有所下降。为了解决这个问题，研究人员将FFN与两个新程序结合起来。首先，估计3D图像中各个区??域的切片之间的一致性，然后随着FFN跟踪每个神经元，图像中的内容被局部稳定。其次，研究人员使用SECGAN对图像体积中缺失的切片进行计数，并且在使用SECGAN时，研究人员发现FFN能够更可靠地跟踪多个缺失切片的位置。LocalRealignment(LR)ReplacementofIrregularSectionsOverallFAFB-FFN1SegmentationPipelineSegmentation-assistedNeuronTrackingDrosophilaBrainInteractionVisualizationwithNeuroglancer在处理包含万亿像素和复杂形状物体的3D图像时，可视化既重要又困难。受谷歌开发新可视化技术历史的启发，研究人员设计了一种可扩展且功能强大的新工具，任何拥有支持WebGL的网络浏览器的人都可以访问。结果是Neuroglancer，github上的一个开源项目，可以查看PB级的3D体积，并支持许多高级功能，例如任意轴横截面重新切片、多分辨率网格划分以及与Python集成以开发强大的功能自定义分析工作流程。该工具已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、普林斯顿大学等合作者广泛使用。工作的未来谷歌表示，HHMI和剑桥大学的合作者已经开始使用这种重建来加速他们对果蝇大脑的学习、记忆和感知的研究。然而，上述结果还不是真正的连接组，因为建立连接组需要识别突触。他们正在与JaneliaResearchCampus的FlyEM团队密切合作，使用通过“FIB-SEM”技术获得的图像创建经过高度验证和详细的果蝇大脑连接组。
