Понимание того, как работает мозг, – одна из величайших загадок науки. «За исключением простого круглого червя, до сих пор нет принципиальной схемы всего мозга животного, не говоря уже о человеческом мозге», – заявляет проф. Hamprecht. В последние годы были разработаны методы визуализации, которые, наконец, могут создавать трехмерные изображения всего мозга с достаточно высоким разрешением. Однако эти изображения настолько велики, что на ручной анализ потребуются столетия.
Поэтому необходим автоматизированный процесс анализа с минимально возможным уровнем ошибок.
Новый алгоритм использует нелокальную информацию об изображении, позволяя исследователям изучать несмежные области изображения и определять, принадлежат ли они к одной и той же нервной клетке. Д-р Бьорн Андрес из Института информатики Макса Планка в Саарбрюккене продемонстрировал, как можно совместно рассматривать короткодействующие и дальнодействующие взаимодействия.
Цель состоит в том, чтобы найти оптимальное решение, которое наилучшим образом учитывает оба типа информации об изображении. «Этот подход обеспечивает гораздо меньшую частоту ошибок, чем все известные методы», – заявляет проф. Hamprecht.
Исследовательские группы по всему миру присоединились к соревнованиям, чтобы измерить точность своих автоматизированных аналитических конвейеров. Цель состоит в том, чтобы разделить трехмерное изображение на нервные клетки, которые оно содержит. Заранее используется трудоемкий ручной процесс для определения правильного разделения, которое держится в секрете. Затем все представленные материалы сравниваются с диаграммой, и выигрывает подход с наименьшим количеством ошибок.
В последней задаче разделения, CREMI Challenge по реконструкции схемы из изображений электронной микроскопии, исследователи из Междисциплинарного центра научных вычислений преуспели в проведении наиболее точного анализа с большим отрывом.
Чтобы объяснить сложность использования этого метода анализа для построения принципиальной схемы мозга, проф.
Хампрехт прибегает к мухе в качестве примера. Муха способна на удивительные подвиги: она находит пищу, убежище и помощников в сложной и часто враждебной среде. "Хотя его мозг меньше булавочной головки, схема его нейронных связей остается неуловимой.«Команда Гейдельберга использует свой новый алгоритм, чтобы составить карту мозгового контура мухи, прежде чем перейти к более высоким животным, – сказала математик доктор Анна Крешук.
В течение последних пятнадцати лет рабочая группа «Анализ изображений и обучение» разрабатывала алгоритмы машинного обучения для компьютерного зрения с приложениями в основном в области наук о жизни, но также и в промышленности. Последние результаты исследований, достигнутые в тесном международном сотрудничестве, опубликованы в журнале Nature Methods.