Искусственные нейронные сети могут помочь ученым выявить структуру мозга
Ученые из Google ИИ и Института нейробиологии им. Макса Планка описывают метод, основанный на искусственных нейронных сетях, способный реконструировать целые нервные клетки со всеми их элементами и соединениями, практически без ошибок, из стеков изображений. Эта веха в области автоматического анализа данных может приблизить ученых к картированию и в долгосрочной перспективе также полностью понять мозг.
Функция мозга основана на связях между нервными клетками. Чтобы нанести на карту эти соединения и создать соединение, «схема подключения» мозга, нейробиологи захватывают изображения мозга с помощью трехмерной электронной микроскопии. Однако до сих пор картирование больших площадей затруднялось тем фактом, что даже при значительной поддержке компьютеров анализ этих изображений людьми займет десятилетия.
По сравнению с мозгом, искусственные нейронные сети используют значительно упрощенные «нервные клетки». Для искусственного интеллекта, основанного на этих сетях, тем не менее, уже найдено бесчисленные применения: от автопилотируемых автомобилей до контроля качества и диагностики болезни. Однако до сих пор алгоритмы были слишком неточными для очень сложных задач, таких как отображение отдельных нервных клеток со всеми их последствиями и точками контакта из трехмерного изображения мозга.
Искусственные нейронные сети (FFN) - это тип сверхточной нейронной сети, специальный класс алгоритмов машинного обучения. Однако FFN также имеют внутренний путь обратной связи, позволяющий им строить поверх элементов, которые они уже распознали в изображении. Это значительно упрощает FFN дифференцировать внутренние и внешние клеточные структуры на соседние элементы изображения. На этапе обучения FFN узнает не только о том, какие шаблоны окрашивания обозначают границу ячейки, но также и какую форму имеют эти границы. По мнению ученых, ожидаемая экономия времени с точки зрения времени, необходимого для корректуры прав человека посредством использования FFN, оправдывает большую вычислительную мощность, необходимую по сравнению с используемыми в настоящее время методами.
Теперь уже не кажется совершенно невозможным записывать и анализировать чрезвычайно большие наборы данных, вплоть до цельного мозга мыши или птицы. «Усовершенствование, безусловно, будет технически сложным, - говорит ученый Йорген Корнфельд, - но в принципе мы теперь продемонстрировали в небольшом масштабе, что все необходимое для анализа доступно».
Функция мозга основана на связях между нервными клетками. Чтобы нанести на карту эти соединения и создать соединение, «схема подключения» мозга, нейробиологи захватывают изображения мозга с помощью трехмерной электронной микроскопии. Однако до сих пор картирование больших площадей затруднялось тем фактом, что даже при значительной поддержке компьютеров анализ этих изображений людьми займет десятилетия.
По сравнению с мозгом, искусственные нейронные сети используют значительно упрощенные «нервные клетки». Для искусственного интеллекта, основанного на этих сетях, тем не менее, уже найдено бесчисленные применения: от автопилотируемых автомобилей до контроля качества и диагностики болезни. Однако до сих пор алгоритмы были слишком неточными для очень сложных задач, таких как отображение отдельных нервных клеток со всеми их последствиями и точками контакта из трехмерного изображения мозга.
Искусственные нейронные сети (FFN) - это тип сверхточной нейронной сети, специальный класс алгоритмов машинного обучения. Однако FFN также имеют внутренний путь обратной связи, позволяющий им строить поверх элементов, которые они уже распознали в изображении. Это значительно упрощает FFN дифференцировать внутренние и внешние клеточные структуры на соседние элементы изображения. На этапе обучения FFN узнает не только о том, какие шаблоны окрашивания обозначают границу ячейки, но также и какую форму имеют эти границы. По мнению ученых, ожидаемая экономия времени с точки зрения времени, необходимого для корректуры прав человека посредством использования FFN, оправдывает большую вычислительную мощность, необходимую по сравнению с используемыми в настоящее время методами.
Теперь уже не кажется совершенно невозможным записывать и анализировать чрезвычайно большие наборы данных, вплоть до цельного мозга мыши или птицы. «Усовершенствование, безусловно, будет технически сложным, - говорит ученый Йорген Корнфельд, - но в принципе мы теперь продемонстрировали в небольшом масштабе, что все необходимое для анализа доступно».