其中，神經元作為構成神經系統結構和功能的基本單位，不僅是人類探索大腦奧秘，揭開人類行為模式、思考模式的突破口，也對治愈人類神經疾病有重要意義。重建神經元會讓我們深入了解大腦工作模式。

　　不過，這也是一項異常艱巨的工作：每個神經元各不相同，又相互交織，同時，它們還會從其他數千個神經元那里接收信息，并與數千個神經元共同輸出信息，科學家常常把神經元之間的映射關系比作復雜的高速公路。

　　想要重建神經元，我們不僅需要弄清楚每個神經元的特質，更要弄清楚它與其他數千個神經元，在如不同化學藥品、不同行為反饋等情境下信息交換的模式。

　　10月7日，國際頂級學術刊物《Nature》發布了題為《Morphological diversity of single neurons in molecularly defined cell types》的小鼠大腦神經元重構的文章。該研究實現了1741個小鼠神經元的重建，是目前全球學術范圍內最大規模的神經元重建;同時還定義出11種具有不同形態特征和基因表達的主要投射神經元類型。

　　據介紹，這項研究成果出了為細胞分類研究提供了科研素材，也為繪制全局網絡和局部回路圖譜提供了基礎真實信息。

　　據悉，在完整神經元形態重建中，科學家將神經元細胞類型準確分類和神經元多樣性考慮進實驗，同時還將不同但相關的細胞特性進行了整合，以獲取更加精確的神經元分類和圖譜繪制。

　　當然，完成這項工作并不輕松。科學家們需要詳細分析小鼠全腦三維數據集，其包含上萬個XY平面的冠狀圖像，使用TeraVR虛擬現實標記系統對3D圖像進行人工標記，來重建每個神經元的完整形態。

　　對于2D圖像的標注，科學家只需關注平面上的點位，相對較為容易;但這項研究是通過VR設備在3D圖像上做標記，這也意味著科學家們不僅需要了解該標記在基于平面視角上的精確位置，還需要從立體視角精確標記該點位的深度。

　　這就如同一個人在3D游戲中想抓住一只飛行在極大空間里的小蟲，用戶雖然可以迅速定位這只小蟲的平面位置，但真正捕捉它的時候卻發現它在定位空間之外的垂直高空中。這也是人工標注容易出現錯誤的原因。

　　因此，所有神經元數據還需要再讓獨立的科學家進行檢查和勘誤，全部數據需要經過三輪校驗甚至修正才能得到最終標注結果，而每個數據完成一輪勘誤需要花費至少1小時人工。

　　鑒于此，騰訊天衍實驗室針對性地開發出一種自動的錯誤節點檢測算法，用AI對人工標注進行自動糾錯。據介紹，該算法能對包括循環、間隙和不正確的節點類型重建錯誤進行自動檢測和基本糾正，并將糾正結果發回進行人工核實。據測算，該算法對單個節點重建錯誤檢測AUC達到94.9%，準確率達到86.6%。

　　當然，對于擁有860億神經元的人腦研究來說，我們還有很長的路要走，但能成功將AI引入工程巨大的神經科學研究的海洋，對我們來說或許是開啟更復雜世界探索之旅的一個開始。

　　附注

　　該研究由西雅圖艾倫腦科學研究所和東南大學腦科學與智能技術研究院/東南大學-艾倫聯合研究中心聯合牽頭，彭漢川教授、曾紅葵教授領導的國內外研究團隊共同參與。騰訊天衍實驗室作為論文共同完成單位和東南大學合作開發了AI糾錯技術，協助科學家展開研究。