连接组学利用先进成像技术和人工智能绘制大脑复杂的神经连接图谱，构建精细的神经网络。近期的一项重大突破是果蝇大脑的完整图谱，这是理解大脑功能的关键一步。然而，绘制更大哺乳动物（如小鼠和人类）的大脑则面临巨大挑战。谷歌研究团队正在开发新的 AI 技术，以加速神经元的识别与可视化。他们正在绘制多种动物大脑的片段，其中包括一小部分人类大脑。合成神经形态模型"MoGen"的进展显著提升了 AI 重建能力。经 MoGen 增强的模型将重建误差降低了 4.4%，取得实质性进步。这一改进大幅节省了时间，对于绘制小鼠大脑而言，其节省的时间相当于超过 150 年的手工工作量。该研究团队在过去十年中已开发了一系列连接组学工具。神经元具有复杂的形态，不同于典型的球形细胞，这对其功能至关重要。PATHFINDER 等 AI 模型可从显微图像中生成精细的三维神经元形态。然而，人工校对仍是流程中的瓶颈，因为需要人类专家来纠正错误。MoGen 生成合成神经元，用于扩充 PATHFINDER 等 AI 模型的训练数据，从而提高准确性。MoGen 利用 AI 将随机点云转化为逼真的神经元形态，模拟真实神经元的结构特征。使用 MoGen 降低了神经元重建中的合并错误。人类专家难以可靠地区分真实神经元片段与 AI 生成的片段，这表明合成数据具有高度真实性。整合合成形态显著提升了 AI 模型的性能。结合 MoGen 的合成数据使重建误差降低 4.4%，从而提高了大脑绘图的效率。这一进展标志着连接组学领域的重大飞跃。该研究为生成特定类型的神经元以及在重建早期阶段创建合成图像提供了新机遇。MoGen 的开源发布促进了神经科学领域的协作与进一步进展。这项工作最终旨在加速复杂大脑的图谱绘制，这对于理解神经过程及相关疾病至关重要。