AI生成的合成神經元加速大腦圖譜繪製
谷歌研究團隊開發了MoGen模型，利用AI生成合成神經元形態，用於訓練腦圖譜重建模型，使重建錯誤率降低4.4%。在完整小鼠大腦尺度上，這相當於節省157人年的人工校對工作。該成果為加速大規模腦連線組學專案提供了新工具。
大腦連線組學致力於繪製複雜的神經元網路，以理解大腦功能和疾病機制。儘管已有果蠅完整大腦圖譜的成功，但哺乳動物乃至人類大腦的繪製仍面臨巨大挑戰。谷歌研究團隊最新提出的MoGen模型（神經元形態生成模型），透過AI生成逼真的合成神經元，顯著提升了現有重建模型的準確性。
在連線組學中，重建過程從腦組織切片成像開始，透過AI模型將二維影像轉化為三維神經元結構。然而，現有模型常出現分裂或合併錯誤，需要人工專家耗時校對。MoGen基於點雲流匹配技術，將隨機點雲逐步轉化為真實的神經元形狀，並以先前人工驗證的小鼠皮層資料訓練。生成的合成神經元經人類專家驗證，難以與真實樣本區分。
將MoGen生成的合成資料加入當前最先進的PATHFINDER重建模型訓練後，錯誤率降低了4.4%，主要改善來自合併錯誤的減少。雖然百分比看似微小，但對於包含約7000萬神經元的小鼠大腦而言，這相當於節省了157人年的人工校對時間。
研究還顯示，MoGen可針對不同物種（如斑胸草雀和果蠅）生成特定形態的神經元。未來，團隊計劃透過調整生成引數，重點生成易出錯的神經元幾何結構，並探索將合成神經元用於生成合成電子顯微鏡影像，以進一步豐富訓練資料。
該研究已在ICLR 2026發表，模型和物種特定版本均已開源。研究團隊認為，類似創新將有助於應對即將到來大規模連線組學專案，包括完整小鼠大腦的繪製。