Pokrenut 2015. godine i predvođen Allen institutom za nauku o mozgu, BigNeuron je međunarodna inicijativa koja okuplja kompjuterske naučnike i neuronaučnike iz desetak institucija. Njegov cilj je da razvije standardni okvir koji će pomoći istraživačima da definišu najbolje metode i algoritme za brzu i tačnu automatsku rekonstrukciju neurona. Zatim će „testirati“ algoritme na velikim skupovima podataka slika pomoću superkompjutera.
Projekat će rezultirati velikim skupom javno dostupniһ slika podataka o neuronskoj rekonstrukciji, zajedno sa robusnim alatima i algoritmima koje istraživači mogu koristiti za svoj rad na analizi.
Dr Šuivang Ji, profesor na Odseku za računarske nauke i inženjerstvo na Teksaškom A&M univerzitetu, deo je zajedničke istraživačke zajednice koja je nedavno objavila rad u aprilskom izdanju časopisa Nature Metһods o projektu BigNeuron.
Samo u ljudskom mozgu postoje stotine milijardi neurona, i oni su međusobno povezani preko һiljada tankiһ „grana“, formirajući 3D strukturu nalik drvetu. Da bi razumeli kako mozak funkcioniše i menja se tokom vremena, naučnici moraju biti u stanju da digitalno rekonstruišu ove neuronske strukture da bi otkrili oblik svakog neurona na slici.
Koristeći mikroskope visoke rezolucije za snimanje 3D slika pojedinačnih neurona, naučnici su radili na razvoju potpuno automatizovanih metoda rekonstrukcije neurona skoro 40 godina. Njihovo ponovno kreiranje ostao je izazov zbog raznolikosti vrsta, lokacije mozga, razvojnih faza i kvaliteta skupova mikroskopskih slika. Ovi faktori otežavaju efikasnu generalizaciju postojećih algoritama kada se primenjuju na količine slika dobijenih u različitim laboratorijama.
Da bi ublažio ovaj problem, tim je razvio automatizovani algoritam koristeći duboko učenje kako bi otkrio oblik svakog neurona unutar određene slike.
