コネクトミクスは、高度な画像処理とAIを活用して脳の複雑な配線をマッピングし、詳細な神経ネットワークを作成します。最近の画期的な進歩は、ショウジョウバエの脳の完全なマッピングであり、脳機能の理解に向けた重要な一歩です。しかし、マウスや人間の脳のようなより大きな哺乳類の脳のマッピングは、はるかに大きな課題を提示します。Google Researchは、ニューロンの識別と視覚化を加速するための新しいAI技術を開発しています。彼らは、人間の脳の小さなセクションを含む、さまざまな動物の脳の断片のマッピングに取り組んでいます。合成ニューロン形状モデルである「MoGen」の進歩は、AI再構築を改善します。MoGen強化モデルは、再構築エラーを4.4%削減し、大幅な進歩を遂げました。この改善により、マウスの脳の場合、150年以上の手作業に相当する可能性のある大幅な時間が節約されます。研究チームは、10年以上にわたってコネクトミクス用のいくつかのツールを開発してきました。ニューロンは、その機能にとって重要な、典型的な球形細胞とは異なり、複雑な形状を示します。PATHFINDERのようなAIモデルは、顕微鏡画像から詳細な3Dニューロン形状を作成するために使用されます。人間の専門家がエラーを修正する必要があるため、手動での校正は依然としてプロセスにおけるボトルネックです。MoGenは、PATHFINDERのようなAIモデルのトレーニングデータを増強するための合成ニューロンを生成し、精度を向上させます。MoGenは、AIを使用してランダムな点群を実際のニューロンの形態を模倣したリアルなニューロン形状に変換します。MoGenを使用すると、ニューロン再構築のマージエラーが減少しました。人間の専門家は、実際のニューライトフラグメントとAI生成のニューライトフラグメントを確実に区別できないため、合成データのリアリズムを示しています。合成形状を統合すると、AIモデルのパフォーマンスが大幅に向上します。MoGenを使用した合成データの使用により、再構築エラーが4.4%削減され、脳マッピングの効率が向上しました。この改善は、コネクトミクスの分野における飛躍的な進歩です。この研究は、特定のニューロンタイプを生成し、再構築の初期段階用の合成画像を作成する機会を開きます。MoGenのオープンソースリリースは、神経科学における協力とさらなる進歩を促進します。この作業は、最終的に複雑な脳のマッピングを加速することを目的としており、これは神経学的プロセスと疾患の理解に不可欠です。