به گزارش مجله خبری نگار،از «نوروساینس»، این پروژه مجموعه گستردهای از تصاویر مربوط به بازسازی نورونهای مغز و همچنین ابزارهایی نیرومند برای تحلیل مستقل نورونها را فراهم میسازد و به محققان کمک خواهد کرد تا عملکرد مغز و تغییرات آن در طول زمان را بشناسند.
«بیگنورون» یک ابتکار بینالمللی از دانشمندان علوم رایانه و علوم عصبی موسسات مختلف دنیا است که هدف آن ایجاد یک چهارچوب استاندارد برای بازسازی خودکار نورونهای مغز است.
این تیم محققان یک الگوریتم خودکار با استفاده از یادگیری عمیق جهت شناسایی شکل هر نورون در تصویر ابداع کرده است و در این مسیر بر چالشهای تنوع و تفاوت گونهها، موقعیت مغز، مراحل توسعهای و کیفیت متفاوت تصاویر غلبه کرده است.
دکتر «شوییوانگ جی» استاد علوم و مهندسی رایانه در دانشگاه A&M تگزاس عضوی از یک گروه تحقیقاتی است که به تازگی مقالهای با عنوان «بیگنورون: منبعی برای محک و پیشبینی عملکرد الگوریتمها به منظور ردیابی خودکار نورونها در مجموعه دادههای میکروسکوپی» در نشریه «شیوههای طبیعت» (Nature Methods) منتشر کرده است.
این پروژه که از سال ۲۰۱۵ با نظارت موسسه علوم مغزی «آلن» آغاز شده، یک ابتکار بینالمللی است که دانشمندان رایانه و علوم عصبی چندین موسسه را گردهم آورده است. هدف این پروژه ابداع یک چهارچوب استاندارد برای کمک به محققان در زمینه تعریف بهترین روشها و الگوریتمها برای بازسازی خودکار و سریع نورونها است. سپس الگوریتمها در مقیاس مجموعه دادههای گسترده تصاویر با استفاده از ابررایانهها آزمایش میشوند.
تنها در مغز انسان صدها میلیارد نورون وجود دارد و آنها از طریق هزاران «شاخه» نازک به هم متصل هستند و یک ساختار سه بعدی شبیه درخت را تشکیل میدهند. برای شناخت اینکه این نورونها چگونه کار میکنند و در طول زمان چطور تغییر مییابند، دانشمندان باید قادر باشند این ساختارهای عصبی را به طور دیجیتال بازسازی کنند تا شکل هر نورون را در یک تصویر مشخص کنند.
دانشمندان با استفاده از میکروسکوپهایی با وضوح بالا برای گرفتن تصاویر سه بعدی از هر نورون منفرد، برای مدت نزدیک به ۴۰ سال گذشته در زمینه ارائه روشهای کاملا خودکار بازسازی نورونها کار کرده اند. اما بازسازی آنها به علت تنوع گونهها، موقعیت مغز، مراحل توسعهای و کیفیت تصاویر میکروسکوپی به صورت یک چالش باقی مانده است. این عوامل موجب میشود که الگوریتمهای موجود با تصاویر آزمایشگاههای مختلف دشوار باشد. به منظور کاهش این مشکل، تیم مذکور از محققان یک الگوریتم خودکار با استفاده از یادگیری عمیق ایجاد کرده تا بتواند شکل هر کدام از نورونها را در داخل یک تصویر مشخص کند.