東南大學取得神經(jīng)元自動追蹤算法基準測試與性能預測新進展 當前熱文

近日，東南大學腦科學與智能技術研究院在神經(jīng)元自動追蹤算法基準測試與性能預測方面取得重要研究進展，相關成果于4月17日在線發(fā)表在國際方法學頂級期刊《自然—方法》(Nature methods)。

該文章是東南大學腦科學與智能技術研究院院長彭漢川發(fā)起BigNeuron項目的主要成果論文。該成果由東南大學腦科學與智能技術研究院主導，全球多家著名機構參與，東南大學為文章第一單位和通訊單位。

據(jù)介紹，人腦是由數(shù)百億個神經(jīng)元連接組成的復雜網(wǎng)絡系統(tǒng)。大規(guī)模重建神經(jīng)元形態(tài)不僅可以鑒別神經(jīng)元類型、分析神經(jīng)網(wǎng)絡連接和揭示腦內神經(jīng)信號流動，而且對于理解大腦的發(fā)育、神經(jīng)系統(tǒng)疾病的發(fā)生與發(fā)展機制及其診治具有重要意義。

(相關資料圖)

手動重建神經(jīng)元形態(tài)極其耗費人力和時間，且產量十分低下。近年來，多個神經(jīng)元全自動重建算法應運而生。然而不同標記方法、樣本制備和成像方式導致成像質量參差不齊，不同算法對不同類型圖像的重建效果差異明顯，理解目前現(xiàn)有自動重建算法的性能以及它們如何與不同圖像數(shù)據(jù)集的特定特征相匹配、測試它們對特定任務的適用性仍是當前的一個重要挑戰(zhàn)。目前，中國腦計劃、歐洲腦計劃、美國腦計劃等大型項目都非常需要這樣的工具。

針對以上挑戰(zhàn)，研究團隊發(fā)起BigNeuron項目。該項目的目標是生成一個巨大的基準測試矩陣，通過使用最強大的超級計算設備和多功能計算資源，在其中對大量可公開訪問的不同物種、不同腦區(qū)、不同樣本制備方法和成像模式的神經(jīng)元圖像進行所有主要神經(jīng)元重建算法測驗。

在研究中，研究團隊收集并共享了大約3萬個跨物種的三維神經(jīng)元圖像數(shù)據(jù)集，并將它們用于自動追蹤算法的基準測試，生成了140萬個追蹤結果，得到了迄今最大的神經(jīng)元重建基準測試數(shù)據(jù)集。研究人員從中選取了166個神經(jīng)元圖像，并通過專家手動標注得到了其“金標準”重建形態(tài)，稱為Gold166數(shù)據(jù)集，用于自動追蹤算法的后驗基準測試。Gold166數(shù)據(jù)集形態(tài)特征的變異系數(shù)與全球最大神經(jīng)元結構公開數(shù)據(jù)庫NeuroMorpho.org 中的數(shù)據(jù)集相似或更高，表明Gold166數(shù)據(jù)集的多樣性足以對異構神經(jīng)元類型中自動追蹤算法的性能進行采樣。

研究團隊在通用開放平臺Vaa3D上對單神經(jīng)元自動追蹤算法進行基準測試，舉辦一系列編程馬拉松和活動，開發(fā)了16種自動追蹤算法，并以“金標準”數(shù)據(jù)為參考，量化了35種自動追蹤算法（16種算法的變體）的追蹤質量。

作為這項研究的一部分，研究團隊還開發(fā)了一個交互式網(wǎng)絡應用程序，可以允許用戶和開發(fā)者觀察圖像數(shù)據(jù)和神經(jīng)元重建結果并對它們進行各種分析。研究團隊觀察到，不同的算法可以提供互補信息，因此開發(fā)了一種迭代組合不同算法的方法來產生一致的重建結果，提高了自動重建方法的可訪問性、準確性和效率。

此外，研究團隊還開發(fā)了一個工具，通過輸入圖像質量特征以及一組自動重建結果，就可以預測神經(jīng)元自動追蹤算法的準確性，從而提供最適自動追蹤算法的建議。

本文強調了BigNeuron在大規(guī)模追蹤項目中的重要性，并展示了最佳算法預測在廣泛使用的小鼠完整神經(jīng)元熒光顯微鏡圖像層析術圖像上的表現(xiàn)。

東南大學腦科學與智能技術研究院研究員Linus Manubens-Gil作為文章共同第一作者表示，“這項研究是算法標準化的墊腳石，它允許構建增量測試集來評估現(xiàn)有算法和新算法的性能。這將促進自動追蹤算法的使用，增加單神經(jīng)元解剖學研究的通量和質量”。Linus希望這項研究能夠激發(fā)新算法的開發(fā)，以及改進特定成像條件下追蹤質量的參數(shù)優(yōu)化框架。

相關論文信息：https://doi.org/10.1038/s41592-023-01848-5

標簽：