超越人類『標記』的速度！

AI已經廣泛應用在我們的生活中，除了自動駕駛、智慧工廠、人臉辨識等等，生醫科技的應用案例如春筍般的出現。這次要分享的是透過AI模型，「即時」對動態影像進行神經元的自動切割，超越目前人工切割影像的準確度與速度。

來自美國杜克大學的研究團隊，針對鈣指示劑和雙光子顯微鏡生成的影像，進行自動化的動態神經元切割，透過簡化版的UNET模型達到高速且不失準確度的目的。

看到圖一所示，影像資料的預處理是十分重要的一步，透過將信噪比最大化，在透過時間綠波以及二值化將資訊合併到2D圖像中，UNET模型的訓練輸出「活動神經元」的空間分佈機率圖，將機率圖閾值化後，最後將每一張圖片的活動神經元分群，即可知道上一幀與下一幀的移動狀況，就能辦到追蹤活動神經元運動的過程。

影片中是SUNS（研究團隊開發的演算法）這是結合上面所述的靜態UNET分割出神經元後，結合每一幀去呈現的動態活動神經元追蹤技術，可以看見右邊的追蹤功能，可以圈選出活動中神經元的先後順序，並且自背景中切割出來。

目前SUNS算法對於動態活動神經元切割的速度與精確度是最高的，幾乎可以取代人類執行這類繁複的工作。現代科學發展不斷創新、改良模型與資料格式，未來就無需人類替機械學習「標記答案」，甚至AI還能協助改良模型呢！

撰文：許楷翊

參考文獻：

Bao, Y., Soltanian-Zadeh, S., Farsiu, S. et al. Segmentation of neurons from fluorescence calcium recordings beyond real time. Nat Mach Intell 3, 590–600 (2021). https://doi.org/10.1038/s42256-021-00342-x