MoGen: synteettiset neuronit parantavat aivojen kartoituksen tekoälyä ja vähentävät virheitä 4,4 prosenttia
Google/DeepMind
Google Research on esitellyt MoGenin, generatiivisen tekoälyn mallin, joka luo synteettisiä neuronigeometrioita. Kun sitä käytettiin PATHFINDER-rekonstruktiomallin kouluttamiseen, se vähensi yhdistämisvirheitä 4,4 prosenttia, mikä saattaa säästää 157 henkilötyövuotta manuaalista korjauslukua täyden hiiren aivojen osalta. Tiimi julkaisi MoGenin avoimen lähdekoodin ohjelmistona.
Google Research on kehittänyt MoGen-mallin (Neuronal Morphology Generation), generatiivisen tekoälymallin, joka tuottaa realistisia synteettisiä hermosolujen muotoja aivokartoituksen parantamiseksi. Malli käyttää PointInfinity-pistepilvivirtausyhteensovitusta (point cloud flow matching) muuntamaan satunnaisia 3D-pisteitä hermosolujen geometrioiksi. Kun PATHFINDER-rekonstruktiomallin harjoitukseen lisättiin 10 prosenttia MoGenilla tuotettua synteettistä dataa, kokonaisrekonstruktiovirheet vähenivät 4,4 prosenttia, pääasiassa yhdistämisvirheiden vähentymisen ansiosta. Vaikka tämä parannus vaikuttaa vaatimattomalta, se tarkoittaa 157 henkilötyövuoden säästöä manuaalisessa oikoluvussa koko hiiren aivojen mittakaavassa. MoGen koulutettiin 1 795 varmennetulla hiiren aivokuoren aksonilla ja asiantuntijat vahvistivat sen toimivuuden. Tutkijat kouluttivat myös versioita seeprapeipon ja banaanikärpäsen hermosoluille. Malli ja koulutetut painot on julkaistu avoimena lähdekoodina.
Lähde: Google Research —
Alkuperäinen