Нейробиологи анализируют человеческий мозг при помощи алгоритмов искусственных нейронных сетей

Как рождается сознание? Исследователи подозревают, что ответ на этот вопрос лежит в связи между нейронами. Однако к сожалению, мало известно об нейронах головного мозга. Это связано также с проблемой времени: отслеживание связей между нейронами в собранных данных потребует огромное количество человеко-часов. На сегодняшний день, ни один компьютер не смог идентифицировать нейронные контакты клеток достаточно хорошо. Ученые из института нейробиологии Макса Планка в Мартинсрид планируют изменить это с помощью искусственного интеллекта. Они обучили несколько искусственных нейронных сетей и тем самым позволили значительно ускорить анализ реальных нейронных цепей.

Нейроны нуждаются в группе. По отдельности эти клетки могут мало чего достичь, но когда они объединяются то образуют единую мощную сеть, которая контролирует даже поведение человека. Как часть этого процесса, клетки обмениваются информацией через свои точки соприкосновения, синапсы. Информация о том, как нейроны соединены друг с другом, имеет решающее значение для нашего понимания основных функций головного мозга и вышестоящих процессов, таких как обучение, память, сознание и расстройство нервной системы. Исследователи подозревают, что ключ ко всему лежит в связях 100 млрд. клеток в человеческом мозге.

Чтобы использовать этот ключ нужно понимать что каждый нейрон в мозге имеет тысячи контактов и партнерских клеток. Буквально несколько лет назад, перспектива достижения этого казалось нереальным. Однако ученые из института Макса Планка отказываются пугаться понятия, что что-то «нереально». Таким образом, за последние несколько лет, они развивали и совершенствовали методы окрашивания и микроскопию, которые могут быть использованы для преобразования образцов ткани головного мозга в трехмерные электронно-микроскопические изображения. Их последний микроскоп, который используется департаментом в качестве прототипа, сканирует поверхность образца с 91 пучками. По сравнению с предыдущей моделью, это увеличивает скорость сбора данных с коэффициентом более 50 . В результате чего, целый головной мозг можно изучать в течение нескольких лет, а не десятилетий.

Хотя теперь можно разложить кусок ткани головного мозга на миллиарды пикселей, анализ данных изображений электронной микроскопии может продлиться несколько лет. Это связано с тем, что стандартные компьютерные алгоритмы часто слишком неточные, чтобы надежно отслеживать тончайшие прогнозы нейронов и для выявления синапсов. По этой причине, людям приходится часами сидеть перед мониторами компьютеров для выявления синапсов в шпунте изображений, созданных с помощью электронного микроскопа.

Обучение нейронных сетей.

На сегодняшний день, ученые из института Макса Планка, возглавляемый Юргеном Крнфельд уже сейчас преодолевают это препятствие при помощи искусственных нейронных сетей. Эти алгоритмы способны обучаться и делать обобщения на основе этих знаний. Уже сейчас они очень успешно применяются в обработке изображений и распознавания образов. «Это было очень правильным решением применять искусственные нейронные сети для изучения реальной нейронной сети», — говорит руководитель исследования Йорген Корнфельд. Тем не менее, это было не совсем просто, как кажется на первый взгляд. В течение нескольких месяцев ученые обучали и тестировали так называемые, сверточные нейронные сети, для распознавания клеток, компонентов клеток и синапсов и способность отличать их друг от друга.

После краткого этапа обучения, в результате чего сеть SyConn теперь способна идентифицировать эти структуры самостоятельно и точно. Ее использование показало, что SyConn настолько надежна, что нет необходимости проверять ее на наличие ошибок. «Это абсолютная фантастика! Мы даже не ожидали достичь такой высокой точности!», — говорит Корнфельд с явным восхищением успеха SyConn, который является частью его докторских исследований. И он имеет все основания быть в восторге, так как разработанная нейронная сеть позволяет разгрузить нейробиологов, сэкономив тысячи часов монотонной работы в будущем.

Источник: neuronus.com

Комментарии: