脑是宇宙间最为复杂的系统之一,成人的脑中有约1 000亿个神经元,单个神经元通常与其它神经元有成千上万个“突触”连接节点,形成拥有百万亿级连接的极其复杂的脑神经网络.人类个体的行为、认知功能与大脑神经网络的形态及其连接方式有着密切联系.另外,已有研究表明,众多的神经系统疾病,如阿尔兹海默症,自闭症等都与大脑内神经元的形态异常有关.因此,结合前沿的神经影像成像、先进的计算科学和人工智能等技术,量化分析神经元的类别、形态等是解开大脑之秘,洞察人类各项复杂和高级认知功能,诸如感知、学习、情感、记忆和推理决策等的基础,也能为类脑计算、人工智能、神经和精神疾病检测治疗提供理论参考.

为了解决数字化重建和分析形态学特征的难题,厦门大学信息学院博士生李睿和博士生Muye Zhu为论文共同第一作者,张俊松和南加州大学的Hong-wei Dong教授为论文共同通讯作者在《Nature Communications》上发表论文 “Precise segmentation of densely interweaving neuron clusters using G-Cut” ^[1].该研究了表征神经元形态的数学模型和重建算法,并在此基础上提出了从三维神经元簇图像重建神经元形态的新工具G-Cut.具体地,为了度量神经元胞体与神经突起间的关联性,课题组从已有的带有标注的大规模神经元形态学数据集统计分析得到其规律和形态学信息.然后将神经元簇的重建问题转化为神经突起之间连接所形成的拓扑连接图的图分割问题,并结合神经元形态学规律和信息,在所有的神经突起与神经元胞体的关联性中寻找重建问题的最优解.通过在不同的合成数据集以及真实的脑组织图像数据集上测试,和已有的方法相比,在不同密度和不同规模的神经元簇图像上均获得了更高的重建正确率.

该研究提出的新工具G-Cut有助于大规模神经元形态的重建和分析,对于探明大脑中神经元的形态学特征、进行神经元的分类以及研究健康或疾病人群的脑功能具有极其重要的科学意义和实际应用价值; 对于推动和加快绘制人类大脑图谱的步伐具有重要科学意义.

图1 从神经元簇自动重建单个神经元的工作流程[1]