人工智慧技術為大腦製作地圖 前沿

pixabay.com

撰文 | 劉天霖

許多人工智慧技術都受到神經科學的啟發和影響 。比如，初代的人工神經網路 [1] 就是由兩位神經科學家沃倫·麥卡洛克（Warren McCulloch ）和沃爾特·皮茨 （Walter Pitts）所提出，起初是作為一種模仿大腦神經元處理信息的數學模型。

儘管在近些年中，人工智慧和神經科學兩個領域分離得越來越遠，但不少著名的研究者，如谷歌 Deepmind 的創始人傑米斯·哈薩比斯（Demis Hassabis），認為神經科學的研究會對人工智慧的研究有重要的作用 [2]。

神經科學和人工智慧兩個領域的交流不是單向的—— 除了通過研究神經科學來為設計人工智慧演算法帶來啟發，越來越多的研究開始反其道而行之：使用人工智慧的演算法來幫助神經科學的研究。最近發表在《自然·機器智能》（Nature Machine Intelligence）期刊並登上期刊封面的論文《使用深度學習製作大腦地圖集》（Developing a brain atlas through deep learning）[3]，就是其中的一個例子。

在這篇論文中，研究者們試圖解決如下的問題：如何快速、精確地配准大規模的腦成像數據集。

現代的腦成像技術，比如磁共振成像（MRI）技術，能生成大腦的高清晰度圖像。高質量的腦成像能極大的幫助神經科學研究。然而，目前神經科學家對腦圖像數據的利用往往非常低效。這是因為，一方面腦成像技術的發展加速了腦圖像生成的效率，另一方面，對這些大規模的圖像數據集進行手工配准往往費時費力，這使得對腦成像數據集的定量分析變得很困難。

為了解決這個問題，來自瑞士蘇黎世大學和蘇黎世理工的論文作者們提出了一項基於人工神經網路的方法，用以高效地配准腦成像。和普遍採用的手工分割、標註的方法不同，這項方法是自動化的，因此能被用來標註大規模的腦圖像數據集。

作者們使用了兩種不同數據集：一種是艾倫腦研究所（Allen Brain Institute）提供的標註過的小鼠腦區數據集，另一種是互聯網腦分割數據集（Internet Brain Segmentation Repository, IBSR）。在兩種數據集上，論文作者們所提出的方法都達到了很高的精度。作者們認為，他們提出的方法標誌著腦成像圖片標註技術在思路上的一個轉變。

在這項方法提出之前，手動的分割圖片往往耗費大量時間，其分割階段後的標註階段則耗費大量的計算資源。作者所提出的方法有望激勵更多的自動化配准腦成像的方法，並最終取代手工的配准方法。

參考資料

[1] W. S. McCulloch and W.H. Pitts, A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5:115-133. 1943.

[2] D. Hassabis, D. Kumaran, C.Summerfield, M. Botvinick,Neuroscience-Inspired Artificial Intelligence, Neuron, Volume 95, Issue 2, 2017, Pages 245-258.

[3] A. Iqbal, R. Khan, and T. Karayannis.Developing a brain atlas through deep learning. Nature Machine Intelligence 1.6: 277. 2019.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！