机器智能加速了绘制大脑图谱的研究

一项新的研究报告称，日本脑科学项目的科学家们利用机器智能提高了一项强大的大脑绘图技术的准确性和可靠性。他们的进展发表在12月18日科学报告这让研究人员更有信心使用这项技术来解开人脑的神经网络，并更好地理解伴随神经或精神疾病(如帕金森症或阿尔茨海默氏症)而来的变化。

“研究所有的不同大脑地区是联系的 - 我们称之为大脑的连接 - 对于完全了解大脑以及它进行的所有复杂的流程，肯尼多亚教授领导了Kenji Doya教授，他在冲绳科技学院毕业大学（OIST）。

为了确定连接体，研究人员追踪延伸到整个大脑的神经细胞纤维。在动物实验，科学家可以将荧光示踪剂注入大脑和图像中的多个点神经纤维从这些点出发，延伸到。但这一过程需要分析许多动物的数百个大脑切片。多亚教授解释说，由于这种病毒具有极强的侵袭性，它不能用于人体。

然而，核磁共振成像(MRI)的进展使非侵入性估计连接体成为可能。这项技术被称为基于弥散磁共振成像的纤维跟踪技术，它利用强大的磁场来跟踪水分子在神经纤维中运动或扩散时发出的信号。一个计算机算法然后用这些水信号来估计神经纤维在整个大脑中的路径。

但是，目前的算法并没有产生令人信服的结果。正如摄影师选择的相机设置会使照片看起来不同一样，科学家为这些算法选择的设置或参数也会产生非常不同的连接体。

“具有这种方法的可靠性存在真正的担忧，”卫星神经计算单元的第一个作者和博士后研究人员Carlos Gutierrez博士说。“Connectomes可以由假阳性主导，这意味着它们显示了不是真正存在的神经连接。”

此外，算法还很难探测到大脑偏远区域之间的神经纤维。然而古铁雷斯说，这些长距离连接是理解大脑如何运作的最重要的部分。

2013年，科学家们启动了一个由日本政府主导的名为Brain/MINDS(通过疾病研究的综合神经技术绘制大脑图谱)的项目，以绘制狨猴的大脑图谱。狨猴是一种小型的非人类灵长类动物，它们的大脑结构与人类大脑相似。

brain/MINDS项目旨在利用非侵入性MRI成像技术和侵入性荧光示踪技术建立狨猴大脑的完整连接体。

古铁雷斯博士说:“对我们来说，这个项目的数据集是一个非常独特的机会，可以比较由两种技术生成的同一大脑的结果，并决定需要设置哪些参数来生成最精确的基于核磁共振的连接体。”

在目前的研究中，研究人员着手调整两种广泛使用的不同算法的参数，以便可靠地检测长程光纤。他们还想确保算法能识别出尽可能多的纤维，同时尽可能少地找出那些实际上不存在的纤维。

研究人员没有手动尝试所有不同的参数组合，而是转向了机器智能。

为了确定最佳参数，研究人员使用了一种进化方法算法。纤维跟踪算法根据扩散MRI数据估计连接体，参数在每一代中都发生变化或突变。这些参数相互竞争，最好的参数——生成的连接体与荧光示踪器检测到的神经网络最接近的参数——被改进到下一代。

研究人员使用来自十种不同的Marmoset大脑的荧光示踪剂和MRI数据测试了算法。

但研究人员发现，即使对机器来说，选择最佳参数也并非易事。一些参数可能会降低误报率，但会使检测长期联系变得更加困难。我们想要解决的不同问题之间存在冲突。所以每次决定选择什么参数总是需要权衡的，”古铁雷斯博士说。

在这个“适者生存”的过程中，运行于每个大脑的算法相互交换了最佳参数，从而允许算法确定一组更相似的参数。在这个过程的最后，研究人员选取了最好的参数，并将它们平均起来，创建了一个共享的集合。

“结合参数是重要的一步。每个人的大脑各不相同，所以总会有一个对特定大脑最有效的参数组合。但我们的目标是找到适合所有狨猴大脑的最佳通用参数，”古铁雷斯博士解释说。

研究小组发现，与以前使用的默认参数相比，具有通用优化参数集的算法在不属于原始训练集的新的狨猴大脑中也生成了更精确的连接体。

研究人员说，使用默认和优化参数构造的算法构造的图像之间的图像突出差异对MRI的结合研究进行了显着的警告。

古铁雷斯博士警告说:“它对任何使用未经优化或验证的算法的研究都提出了质疑。”

在未来，科学家们希望利用机器智能的过程来识别最好的参数更快，并使用改进的算法更准确地确定连接体有神经或精神障碍的大脑

“最终，扩散MRI的纤维跟踪可用于映射整个人脑并确定健康和患病脑之间的差异，”Gutierrez博士说。“这可能让我们更接近学习如何治疗这些障碍的一步。”

---

---