AI生成的合成神经元加速大脑图谱绘制
谷歌研究团队开发了MoGen模型，利用AI生成合成神经元形态，用于训练脑图谱重建模型，使重建错误率降低4.4%。在完整小鼠大脑尺度上，这相当于节省157人年的人工校对工作。该成果为加速大规模脑连接组学项目提供了新工具。
大脑连接组学致力于绘制复杂的神经元网络，以理解大脑功能和疾病机制。尽管已有果蝇完整大脑图谱的成功，但哺乳动物乃至人类大脑的绘制仍面临巨大挑战。谷歌研究团队最新提出的MoGen模型（神经元形态生成模型），通过AI生成逼真的合成神经元，显著提升了现有重建模型的准确性。
在连接组学中，重建过程从脑组织切片成像开始，通过AI模型将二维图像转化为三维神经元结构。然而，现有模型常出现分裂或合并错误，需要人工专家耗时校对。MoGen基于点云流匹配技术，将随机点云逐步转化为真实的神经元形状，并以先前人工验证的小鼠皮层数据训练。生成的合成神经元经人类专家验证，难以与真实样本区分。
将MoGen生成的合成数据加入当前最先进的PATHFINDER重建模型训练后，错误率降低了4.4%，主要改善来自合并错误的减少。虽然百分比看似微小，但对于包含约7000万神经元的小鼠大脑而言，这相当于节省了157人年的人工校对时间。
研究还显示，MoGen可针对不同物种（如斑胸草雀和果蝇）生成特定形态的神经元。未来，团队计划通过调整生成参数，重点生成易出错的神经元几何结构，并探索将合成神经元用于生成合成电子显微镜图像，以进一步丰富训练数据。
该研究已在ICLR 2026发表，模型和物种特定版本均已开源。研究团队认为，类似创新将有助于应对即将到来大规模连接组学项目，包括完整小鼠大脑的绘制。