WSU研究团队首次开发出一种计算机算法，该算法几乎与人们绘制脑神经网络一样准确 - 这一突破可以加速研究人员用来理解大脑电路的图像分析。
像映射1000亿家庭
在一代以上的时间里，人们一直在努力提高对人类大脑电路的理解，但却受到其巨大复杂性的挑战。它类似于拥有地球的卫星图像，并试图绘制出1000亿个家庭，所有连接街道和每个人的目的地，电气工程和计算机科学学院副教授，项目首席研究员Shuiwang Ji说。 。
事实上，研究人员用了十多年的时间才完全绘制了一只动物大脑的电路 - 一只只有302个神经元的蠕虫。与此同时，人类大脑拥有大约1000亿个神经元，完全理解其电路所需的数据量需要1000艾字节的数据，或者相当于世界上目前可用的所有数据。
由神经元神经元
为了映射神经元，研究人员目前使用电子显微镜拍摄照片 - 一张图像通常包含少量神经元。然后研究人员研究每个神经元的形状和大小，以及与其他附近神经元的数千个连接，以了解它在行为或生物学中的作用。
“我们对大脑的运作方式知之甚少，”季说。
他说，通过对我们的电路的基本了解，研究人员在了解阿尔茨海默氏症，精神分裂症，自闭症或帕金森病等毁灭性脑部疾病的原因方面的能力有限。相反，他们不得不依靠试验和错误实验来提出治疗方法。美国国家工程院将人类大脑的理解提升为21世纪的重大挑战之一。
准确的人类
2013年，麻省理工学院组织了一场竞赛，呼吁研究人员开发自动化计算机算法，加快图像分析，解码和理解大脑电路图像。作为竞赛的一部分，算法将与真正的神经科学家团队所完成的工作进行比较。吉说，如果计算机能够像人类一样准确，他们就能够比人类更快，更便宜地进行计算。
WSU的研究团队开发出第一个能够在准确度上达到人类性能水平的计算模型。
正如人眼接收信息然后在多个阶段对其进行分析一样，WSU团队开发了一种计算模型，该模型将图像作为输入，然后在做出决策之前在多层网络中对其进行处理。在他们的算法中，研究人员开发了一种模仿人类复杂生物神经网络的人工神经网络。
虽然WSU研究团队能够在麻省理工学院的挑战中接近人类的准确性，但他们仍然需要做很多工作才能让计算机开发出完整而准确的神经图。吉说，计算机仍然存在大量的错误，而且还没有比较人类和计算结果的黄金标准。他补充说，虽然预计自动化方法很快会完全取代人类可能并不现实，但计算方法的改进肯定会导致手动校对的减少。