日本九州大学研究人员在新一期《自然·通讯》上发表文章称，多彩他们开发了一种新的系统人工智能（AI）工具——QDyeFinder，其可从小鼠大脑的绘出和重图像中自动识别和重建单个神经元。该过程涉及使用超多色标记协议去标记神经元，大脑然后让AI通过匹配相似的布线颜色组合自动识别神经元的结构。

识别神经元的解开建大集神经元一种策略是用特定颜色的荧光蛋白标记细胞，研究人员可追踪这种颜色并重建神经元及其轴突，脑密扩大颜色范围可同时追踪更多的网络神经元。2018年，多彩研究人员开发了Tetbow，系统这是绘出和重一种用光的3种原色为神经元着色的系统。Tetbow使追踪神经元和找到它们的大脑连接变得更加容易。

研究人员致力于将颜色的布线数量从3种增加到7种，但一个关键问题是解开建大集神经元人类对颜色感知有局限性。仔细观察任何电视屏幕，脑密都会发现像素由3种颜色组成：蓝色、绿色和红色。人类能感知到的任何颜色都是这3种颜色的组合，因为人眼里有蓝色、绿色和红色的传感器。

但机器没有这样的限制。鉴于此，研究人员开发出一种工具，可自动区分这些巨大的颜色组合。这个工具能自动将相同颜色的神经元和轴突缝合在一起，并重建它们的结构。QDyeFinder的工作原理就是首先自动识别给定样品中的轴突和树突片段，然后识别每个片段的颜色信息，接着研究人员利用新开发的机器学习算法，将颜色信息组合在一起，识别出同一神经元的轴突和树突。

将QDyeFinder的结果与手动追踪神经元的数据进行比较时，它们的准确性几乎一致。即使与已经充分利用机器学习的现有追踪软件相比，QDyeFinder也能以更高的准确度识别轴突。

总编辑圈点

神经元的突起可分为树突和轴突。树突是从胞体发出的一至多个突起，呈放射状。轴突则每个神经元只有一根。可以把这一切想象成大树，树上伸展出不同枝丫，枝丫和枝丫之间又有连接，形成密密麻麻的网络。此次，科研人员开发了一种新的人工智能工具，他们用颜色标记神经元，让人工智能进行追踪、识别和分类——这正是机器擅长的事情。它能够精准识别同一神经元的轴突和树突，分辨出神经网络的构成，让我们更深入了解大脑的运作。

日本九州大学研究人员在新一期《自然·通讯》上发表文章称，他们开发了一种新的人工智能（AI）工具——QDyeFinder，其可从小鼠大脑的图像中自动识别和重建单个神经元。该过程涉及使用超多色标记协议去标记神经元，然后让AI通过匹配相似的颜色组合自动识别神经元的结构。

识别神经元的一种策略是用特定颜色的荧光蛋白标记细胞，研究人员可追踪这种颜色并重建神经元及其轴突，扩大颜色范围可同时追踪更多的神经元。2018年，研究人员开发了Tetbow，这是一种用光的3种原色为神经元着色的系统。Tetbow使追踪神经元和找到它们的连接变得更加容易。

研究人员致力于将颜色的数量从3种增加到7种，但一个关键问题是人类对颜色感知有局限性。仔细观察任何电视屏幕，都会发现像素由3种颜色组成：蓝色、绿色和红色。人类能感知到的任何颜色都是这3种颜色的组合，因为人眼里有蓝色、绿色和红色的传感器。

但机器没有这样的限制。鉴于此，研究人员开发出一种工具，可自动区分这些巨大的颜色组合。这个工具能自动将相同颜色的神经元和轴突缝合在一起，并重建它们的结构。QDyeFinder的工作原理就是首先自动识别给定样品中的轴突和树突片段，然后识别每个片段的颜色信息，接着研究人员利用新开发的机器学习算法，将颜色信息组合在一起，识别出同一神经元的轴突和树突。

将QDyeFinder的结果与手动追踪神经元的数据进行比较时，它们的准确性几乎一致。即使与已经充分利用机器学习的现有追踪软件相比，QDyeFinder也能以更高的准确度识别轴突。

总编辑圈点

神经元的突起可分为树突和轴突。树突是从胞体发出的一至多个突起，呈放射状。轴突则每个神经元只有一根。可以把这一切想象成大树，树上伸展出不同枝丫，枝丫和枝丫之间又有连接，形成密密麻麻的网络。此次，科研人员开发了一种新的人工智能工具，他们用颜色标记神经元，让人工智能进行追踪、识别和分类——这正是机器擅长的事情。它能够精准识别同一神经元的轴突和树突，分辨出神经网络的构成，让我们更深入了解大脑的运作。