论文：https://www.biorxiv.org/content/biorxiv/early/2019/04/11/605634.full.pdf
近日，谷歌与霍华德·修斯医学研究所（HHMI）珍妮莉亚研究园区（Janelia Research Campus）以及剑桥大学展开合作，共同在细胞杂志上发表了论文《Automated Reconstruction of a Serial-p EM Drosophila Brain with Flood-Filling Networks and Local Realignment》，深入果蝇大脑的所有 神经元和突触。
为了生成详尽的大脑图像，研究人员使用了多达 7062 个大脑切片，共计 2100 万张图片——其背后使用的算法和硬件可谓强大。
谷歌 AI 负责人，计算机大神 Jeff Dean 点评了这项最新研究：TPU 带你飞！
这一连接组学研究有望加速人类对于果蝇——乃至所有生物学习、记忆和 感知方面的研究。目前该成果已开源，人们可以在 Neuroglancer 上对果蝇的大脑进行 3D 预览。这项研究的作者之一、Janelia 研究组长 Davi Bock 表示：「此前人类从未对果蝇大脑实现 神经元连接级别的成像。」这种级别的细节是绘制大脑电路的关键——只有获取精确的 神经元连接网络，我们才能了解果蝇行为的生成机制。
连接组学研究的目标是绘制大脑的「接线图」，以了解神经系统的工作方式。果蝇是生物学上公认的一种研究动物，果蝇的大脑更是近来研究的主要目标对象。截至目前，已有八项诺贝尔奖授予了果蝇相关研究，这些研究推动了分子生物学、遗传学和 神经科学的发展。果蝇研究的重大优势在于它们的大小：与老鼠大脑（1 亿个 神经元）、章鱼大脑（5 亿个 神经元）或人类大脑（1000 亿个 神经元）相比，果蝇大脑相对较小（只有 10 万个 神经元）。这种优势使得研究人员更容易将果蝇大脑作为一个完整回路来研究。
40 万亿像素下的果蝇大脑重建，任何人都可以交互浏览。
40 万亿像素下的果蝇大脑自动重建
谷歌在霍华德·修斯医学研究所的合作者将果蝇大脑切分成数千个 40 纳米的超薄切片，并且使用透射电子显微镜生成每个切片的图像（由此产生了 40 万亿像素以上的果蝇大脑影像），然后将 2D 图像排列对齐形成完整果蝇大脑的 3D 图像。这项研究用到了数千块谷歌 Cloud TPU 和泛洪算法网络（Flood-Filling Network，FNN），后者能够自动跟踪果蝇大脑中的每个 神经元。
虽然该算法大体上运行良好，但研究人员发现，当对齐效果不完美（连续切片中的图像内容不稳定）或切片和成像过程存在问题导致多个连续切片缺失时，该算法的性能会下降。
为了应对这些问题，研究人员将泛洪算法网络与以下两个处理流程相结合：
其一，研究人员估计了 3D 图像各位置切片之间的一致性，然后在 FFN 跟踪每个 神经元时确保各位置图像内容的稳定性；
其二，研究人员使用 Segmentation-Enhanced CycleGAN（SECGAN）计算出缺失图像的近似图。
SECGAN 是一种专门用于图像分割的生成对抗网络。研究人员发现，当使用 SECGAN 幻觉图像数据时，FFN 能够更加鲁棒地跟踪多个缺失切片的位置。
果蝇大脑在 Neuroglancer 的交互式可视化
使用 3D 图像重建大脑之后还有一个问题，就是怎么展示：当图像包含上万亿像素时，可视化显得极其重要和困难。
受到谷歌新可视化技术的启发，研究人员设计了一种可扩展且功能强大的工具。目前，任何有浏览器且支持 WebGL 的设备都可以前往观察该研究的开源结果。
它以 Neuroglancer 技术呈现：https://bit.ly/2GKmDF2
谷歌表示，这项技术可以帮助人们展示 PB 级的 3D 内容，并支持很多高级功能，如任意轴横截面的重新拼接、多分辨率网格，以及通过 Python 开发自定义分析任务的强大能力与 Python 集成。
研究展望
谷歌表示，其在 HHMI 和剑桥大学的合作者们已经开始了基于该研究的进一步探索，尽管目前的研究结果还不是真正的 神经元连接图——建立连接组还需要识别突触。但作者正在与 FlyEM 团队共同构建一个具有高度可验证性且详尽的果蝇大脑连接体。
参考内容：
https://www.biorxiv.org/content/biorxiv/early/2019/04/11/605634.full.pdf
https://ai.googleblog.com/2019/08/an-interactive-automated-3d.html
https://www.sciencedaily.com/releases/2018/07/180719142110.htm
