準(zhǔn)確了解大腦中的連接(所有神經(jīng)細(xì)胞之間的聯(lián)系)是更好地理解這個最復(fù)雜的器官的先決條件。海德堡大學(xué)的研究人員現(xiàn)已開發(fā)出一種新算法,可以比以前從大腦顯微圖像中提取這種連接模式的精度高得多。 Fred Hamprecht 教授博士期望這種自動化圖像數(shù)據(jù)分析能夠給神經(jīng)科學(xué)帶來巨大進(jìn)步。它可能會導(dǎo)致大腦的電路圖。
了解大腦如何工作是科學(xué)最大的謎團(tuán)之一。漢普雷希特教授表示:“除了簡單的蛔蟲之外,目前還沒有完整的動物大腦電路圖,更不用說人類大腦了。”近年來,成像技術(shù)的發(fā)展最終可以以足夠高的分辨率生成整個大腦的三維圖像。然而,這些圖像太大了,手動分析需要幾個世紀(jì)的時間。因此,我們需要一種錯誤率盡可能最低的自動化分析過程。
新算法利用非局部圖像信息,使研究人員能夠研究圖像的非相鄰區(qū)域并推斷它們是否屬于同一神經(jīng)細(xì)胞。薩爾布呂肯馬克斯·普朗克信息學(xué)研究所的 Björn Andres 博士展示了如何共同考慮短程和遠(yuǎn)程交互。目的是找到一個最佳解決方案,以盡可能最好的方式公正地處理兩種類型的圖像信息。 “這種方法的錯誤率遠(yuǎn)低于所有已知方法,”漢普雷希特教授表示。
世界各地的研究小組都參加了競賽,以衡量其自動化分析流程的準(zhǔn)確性。目的是將三維圖像劃分為其包含的神經(jīng)細(xì)胞。事先使用勞動密集型的手動過程來確定正確的分區(qū),并且該分區(qū)是保密的。然后將所有提交的內(nèi)容與圖表進(jìn)行比較,錯誤率最低的方法獲勝。在最新的分區(qū)挑戰(zhàn)賽“CREMI 電子顯微鏡圖像電路重建挑戰(zhàn)賽”中,科學(xué)計算跨學(xué)科中心的研究人員成功地以大幅優(yōu)勢進(jìn)行了最準(zhǔn)確的分析。
為了解釋使用這種分析方法生成大腦電路圖的挑戰(zhàn),漢普雷希特教授以蒼蠅為例。蒼蠅具有驚人的能力:它在復(fù)雜且常常充滿敵意的環(huán)境中尋找食物、住所和交配。 “雖然它的大腦比針頭還小,但它的神經(jīng)元連接圖仍然難以捉摸。”數(shù)學(xué)家 Anna Kreshuk 博士表示,海德堡團(tuán)隊正在使用他們的新算法首先繪制蒼蠅的大腦回路圖,然后再轉(zhuǎn)向高等動物。
標(biāo)簽:
免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!