冲破挑战，实现神经元自动化精确测量

人脑是由数百亿个神经元连接而成的复杂网络。大规模神经元形态重建算法开发、基准测试与准确性度量，对理解大脑的发育和功能、神经系统疾病诊治具有重要意义。

近日，东南大学脑科学与智能技术研究院联合多个国内外团队，在神经元自动追踪算法基准测试与性能预测方面取得重要研究进展，相关成果发表在国际方法学顶刊《自然—方法》。

一个巨大的挑战

(资料图片仅供参考)

大脑是非常重要的器官，其中包含860亿个神经元，而大脑发挥功能的基础正是这些如星辰大海般的神经元。

“为了深入了解大脑的功能和原理，我们需要先了解神经元的形态。但是，获取神经元的完整形态非常困难，因为需要耗费大量时间和人力成本进行人工标注。一种可行的方法是使用自动算法进行神经元形态的重建，但目前业界尚缺乏标准的数据集和准确性评估方法。”论文共同作者、东南大学博士刘裕峰在接受《中国科学报》采访时说。

神经元的结构非常微小，通常在亚微米级尺度下，而像哺乳动物的神经元跨度通常有几百毫米甚至厘米级。因此要重建一个完整的神经元，需要具备大尺度高分辨率的数据，这导致数据量非常庞大。即使对于小鼠的大脑来说，也需要处理大约50个TB数据，这对算法来说是一个巨大的挑战。

到目前为止，仅有数千个哺乳动物（小鼠）完整神经元被重建出来。2019年Janellia Farm团队发表在《细胞》上的一篇文章中重建了1000个神经元。而后2021年和2022年东南大学-艾伦研究中心和中国科学院脑科学与智能技术卓越创新中心领导的研究团队分别成功重建了1741个完整神经元形态和6357个投射神经元，其成果发表在《自然》和《自然-神经科学》杂志上。

神经元多样性的研究、形态与功能之间的联系，以及神经元层面的脑连接图的绘制，都亟需高通量神经元追踪技术。这在大型数据脑计划（如中国脑计划和美国脑计划等）中尤为重要。

“然而，光学显微镜数据集中的神经元追踪仍然需要大量手动操作，非常耗费人力。虽然已经提出了许多自动跟踪算法，但使用效果令人沮丧，因为不同方法的结果质量在不同的成像条件下差异很大。”论文共同第一作者、东南大学脑科学与智能技术研究院研究员Linus Manubens-Gil(中文名林霁尔）在接受《中国科学报》采访时说。

该领域面临的一个挑战是开发完全自动化的神经元追踪工具。

但在过去40多年里，开发此类算法的尝试表明这是一个巨大的挑战，因为现有光学显微图像通常包含较多噪音和瑕疵，非常容易导致神经元自动重建错误。而即使是单一节点错误，例如在神经元的轴突中遗漏了一个分支点，也可能导致重建效果不理想。所以这是一个非常敏感的问题，需要高度精确的算法。

“虽然，许多研究团队已经提出了自动追踪算法，但在特定数据集（例如在某个实验室中生成的数据集）表现良好的工具并不适用于其他团队的研究领域。”Linus Manubens-Gil说，因此，另一个挑战就是为现有工具定义开放标准进行基准测试。