北京華夏匯鑫投資管理有限公司談人工智能學會追蹤神經元途徑。一種新穎的人工智能系統，比以往任何一種方法，都能更有效地識別大腦顯微鏡圖像中的神經元。該系統通過“拓撲數據分析”，改進了跟蹤神經元及其連接的當前方法，幫助改善大腦神經元定位。

著名的冷泉港實驗室（CSHL）的研究團隊使計算機機器學習比以前的任何方法，更有效地識別大腦顯微鏡圖像中的神經元。研究人員提高了追蹤神經元及其連接的自動化方法的效率，隨著研究人員正在試圖繪制大腦密集互連的神經網絡，這項任務的需求越來越大。他們通過教計算機識別神經元的不同部分來做到這一點，每個部分都有不同的特征。這樣的連接圖對于認知大腦如何處理信息以及產生思想和行為至關重要。

該研究成果發表在最近一期的《自然-機器智能》雜志上，論文作者中有6位中國學者，其中論文主導之一、王于蘇（YusuWang）對拓撲的想法進行了概念化，霍冰星（Bing-XingHuo）準備數據，李旭（XuLi）做算法的評估，林夢寬（Meng-KuanLin）做包括在線校對界面的設計和托管的數據準備工作。

論文主導、帕塔-米特拉（ParthaMitra）教授表示，近年來，新的成像技術和擴展的存儲數字圖像的能力，已導致海量數據的產生，沒有足夠的專家來分析所有這些圖像，他的團隊開發了這種新的人工智能工具，通過老鼠和其他模型生物的實驗研究，捕獲了大腦神經元的路徑。

“這個研究項目是建立起虛擬的神經解剖學家。之所以需要這樣做，是因為所做的工作傳統上是由需要數十年培訓的專家來完成的。他們有大量的知識，看過（但不清楚）成千上萬張圖像，他們了解圖像的含義，可提供專家的判斷和解釋。”

米特拉說，自動化方法必須要接管這項工作，但是計算機在解釋視覺信息方面不如人類。解剖學專家可以在復雜的顯微鏡圖像上迅速識別單個神經元，對于算法而言并不那么明顯，至少是在沒有進行廣泛訓練的情況下，這種訓練允許計算機一次又一次地從大型數據集中學習，這種現象并不明顯。

“現代機器學習技術還不夠好，所缺少的是，他們通常沒有我們作為人類做出這些判斷所需要的某些先驗知識或信息。”“因此，我們需要建立某種先驗信息。”

研究人員通過使用一種稱為拓撲數據分析的數學形式來完成此任務，這種方式將事物視為具有如丘陵、山谷和曲線的三維空間。米特拉說，拓撲有時被稱為“強調連通性的橡膠板幾何形狀”，而幾何形狀則依賴于精確的長度和角度。

研究人員所建立起來的這個虛擬神經解剖學家，其準確性遠遠超過以前為追蹤神經元而構建的人工智能程序。

新技術的關鍵是將可能的神經元映射到拓撲上。如圖所示的人工智能精確追蹤神經元示例中，山丘之間的線表示可能的連接。

研究人員通過使用這樣的數學描述，描述了神經元部位的形狀、包括細胞體、細長的軸突和分支的樹突。神經元的整體形狀差異很大，但是通過向計算機展示神經元如何使用幾種基本形式進行連接，該團隊大大提高了該程序檢測軸突和樹突的能力。

北京華夏匯鑫投資管理有限公司根據專家說：“在可預見的將來，自動圖像分析仍需要人工校對，以確保科學應用的質量，但是通過提高計算機的準確性，這種新方法大大減少了專家必須完成的工作量。”

該研究是美國腦計劃其中的一部分。米特拉希望這種方法將解開大腦如何連接的奧秘，以便人類可以了解大腦實際上是如何工作的。