話題

話題

PR

人間の脳組織を人工知能で探求できるか?ナノメートルの解像度で3D画像化

RankRED

RankRed is a place where you can find a lot of interesting and inspiring stuff about science and technology, internet, programming tools and plugins, robots, machines and high tech gadgets, and much more.

本記事は、Using AI To Image Brain Tissues In 3D At Nanometer Resolution
翻訳・再構成したものです。
配信元または著者の許可を得て配信しています。

371 views

読了時間 : 約2分21秒

・新しい再帰型畳み込みニューラルネットワークにより、脳内の神経細胞を自動的にマッピングできる。
・従来の自動化技術の10倍以上の精度を実現。

 

人間の脳には860億以上の神経細胞と、ほぼ同数のその他の細胞が存在します。脳の内部構造は複雑であるため、脳のマッピングは計算量が多く、面倒な作業です。

 

脳組織1立方ミリメートルを高解像度で詳細に画像化すると、1,000テラバイトを超えるデータが得られます。これは脳の機能をより深く理解するのに役立ちます。通常、このプロセスでは、電子顕微鏡を使ってナノメートルの解像度で脳組織を3次元的にイメージングし、それを検査して神経突起を追跡し、シナプスの各接続を検出します。

 

このプロセスを加速させるため、マックス・プランク神経生物学研究所(ドイツ)とグーグルの科学者たちは、これまでのニューラルネットワークよりも高い精度で、脳内の神経細胞を自動的にマッピングできるディープラーニング・モデルを構築しました。

 

従来のアルゴリズムでは、画像セグメンテーション(膨大な電子顕微鏡データから神経突起をトレースすること)のプロセスを2段階に分けていました:

 

1.機械学習分類器を用いて神経突起間の境界を見つける。
2.ウォーターシェッドのようなアルゴリズムを用いて、境界線で区切られていない画像ピクセルをグループ化する。

 

2015年、研究チームはこの2つの段階を組み合わせることができる再帰型畳み込みニューラルネットワーク(CNN)という代替手法に取り組み始めました。CNNは、特定の画素位置から開始し、どの画素が同じ構成要素に含まれるかを予測することで、繰り返し領域を埋めていきます。それ以来、研究チームはこのCNNを、高い精度を保ちながら大規模なデータセットに適用しようと試みてきました。

 

CNNの精度はどうやって測定されるのか?

研究チームは、(ランダムな点から出発して)神経細胞がエラーを起こすまでにどれだけの距離をトレースできるかを測定するために、「予想される実行距離」と呼ぶ新しい指標を開発しました。

 

この指標は、CNNがエラーを起こすまでの間隔を測るものです。これを、例えば、神経系の様々な部位における神経細胞の平均経路距離など、いくつかの生物学的パラメーターに関連付けることができます。

 

彼らは再帰型CNNを、直列ブロック面走査型電子顕微鏡を使って、キンカチョウという鳥の脳の画像化に応用しました。そして、100万立方ミクロン内の進捗を測定するために「予想される実行距離」を使用し、このアルゴリズムが従来のアプローチよりもはるかにうまく機能することを発見したのです。

 

研究チームは、鳥の脳のごく一部で各神経細胞を分割し、アルゴリズムによるエラーを手作業で修正しました。最終的には、神経結合を調べることができ、キンカチョウがどのように鳴き、その鳴き声を学習するかを解明することができました。【キンカチョウは新しい鳴き声を学習できる鳥のひとつであり、鳴き声学習研究の有力なモデル種となっている】

 

キンカチョウの脳の神経突起を3DでトレースするCNN
出典:Google

 

研究チームは、NVIDIA Tesla GPUとCUDAディープラーニングフレームワークで加速されたTensorFlowを使って、何千もの2D画像でCNNを学習させました。これらの画像を重ねると、3D画像が生成されます。

 

 

研究チームによると、わずか1ミリ角のサンプルにラベルを付けるには、およそ10万時間を要したということです。一方、CNNは学習し、7日間でタスクを完了しました。また、これまでの自動化技術よりも10倍も正確な結果が得られました。

 

次の目標は?

研究チームは、完全に自動化されたシナプス解像CNNを開発することを目標に、アルゴリズムの性能向上を継続する予定です。また、より大規模な研究コミュニティが同様の、より効率的な手法を構築するのに役立つよう、GitHubでコードを公開し、容積測定のデータセット用のWebGLベースのビューアも提供しています。

おすすめ新着記事

おすすめタグ