【聚焦“双一流”】屈磊教授课题组在“脑科学”和“人工智能”交叉领域取得突破性进展

发布时间:2021-12-13

本网讯(电子信息工程学院 屈磊 杨良盼)近日,我校电子信息工程学院屈磊教授与东南大学脑科学与智能技术研究院彭汉川教授,联合美国艾伦脑科学研究所等多个国内外团队在全脑映射领域取得重要进展,研究成果以Cross-Modal Coherent Registration of Whole Mouse Brains”为题在线发表在国际方法学顶级期刊《自然·方法》(Nature Methodsbeat365官方app下载手机登录教授/东南大学兼职教授屈磊和beat365官方app下载手机登录2019博士研究生李园园为文章的共同第一作者,东南大学脑科学与智能技术研究院彭汉川教授为文章的通讯作者,beat365官方app下载手机登录为第一署名单位。

  

研究团队研发的跨模态脑配准技术同时也为当前大型国际脑研究项目(BRAIN Initiative Cell Census Network - BICCN)提供了重要支撑,两项相关成果于202110月分别以“Morphological Diversity of Single Neurons in Molecularly Defined Cell Types”和“A Multimodal Cell Census and Atlas of the Mammalian Primary Motor Cortex”为题同期发表于国际顶级期刊《自然》(Nature主刊,屈磊教授为两文章的共同作者。

  

鉴于脑结构和功能的复杂性,其系统化解析需要综合来自不同个体、不同发育阶段、不同尺度、不同成像和标记模态甚至不同物种的脑数据信息。近期高分辨率生物显微成像、稀疏标记和神经元数字化重建等技术的发展使得脑图像数据的时空跨度已达到十几个数量级。如何打破数据模态和时空壁垒,在统一的坐标空间下融合不同样本、标记和成像模态等数据信息全景式解析脑联接和功能图谱是当前脑科学包括近期启动的“中国脑计划”的重要研究方向,也是领域内亟待解决的一个关键挑战。

  

针对上述问题,研究团队提出了相干标记点映射(Coherent Landmark Mapping - CLM)图像配准框架,突破了跨模态配准中不可靠匹配点鉴定和筛选困难、标记点匹配易受局部极小干扰、有效匹配点数量难以控制以及图谱中脑区形状和相对位置先验利用率低等瓶颈问题。以CLM为基础,研究团队进一步构建了一整套含图像预处理、自动全局配准、自动局部配准和半自动配准的跨模态脑数据配准管线——mBrainAligner。完成了31个高分辨率fMOST脑图像及1741个小鼠全脑神经元形态重建数据到Allen CCFv3图谱的映射,为BICCN细胞普查研究提供数据配准支撑;通过逆映射CCFv3构建了首个fMOST模态鼠脑图谱,展示了该图谱在生物和工程上的双重优势;给出了mBrainAligner在脑区划分、体细胞定位和轴突投射预测等任务以及STPT、fMOST、LSFM、VISoR和MRI不同模态脑图像间的交叉配准应用示例,以具有生物学意义的度量指标验证了其在跨模态脑图像配准中的优越性。

该系列研究工作是我校在“脑科学”和“人工智能”这两项国家和安徽省战略领域的重要交叉研究成果。该研究得到国家自然科学基金(6187141132071367U20A6005)、安徽省高校协同创新项目(GXXT-2019-008GXXT-2021-001)的资助,同时也得到东南大学SEU-ALLEN联合中心、计算智能与信号处理教育部重点实验室、信息材料与智能感知安徽省实验室、beat365官方app下载手机登录超算中心、beat365官方app下载手机登录国际脑科学中心和合肥综合性国家科学中心人工智能研究院的支持。


返回原图
/