近日，東南大學腦科學與智能技術研究院在神經元自動追蹤算法基準測試與性能預測方面取得重要研究進展，相關成果以“BigNeuron: A resource to benchmark and predict performance of algorithms for automated tracing of neurons in light microscopy datasets”為題，在線發表于國際方法學頂級期刊“Nature Methods”。該文章是東南大學腦智院院長彭漢川教授發起的BigNeuron項目的主要成果論文。成果由東南大學腦科學與智能技術研究院主導，全球多家著名機構參與，包括美國艾倫腦科學研究所、霍華德·休斯醫學研究所、惠康基金會、INCF、橡樹嶺國家實驗室、勞倫斯伯克利國家實驗室、劍橋大學、倫敦帝國理工學院、華盛頓大學、密歇根大學、日本東京大學、騰訊等。

神經元形態解析對認識腦、保護腦、模擬腦至關重要，高通量地重建神經元形態是形態解析的關鍵前提。近年來，多個神經元全自動重建算法應運而生。然而不同標記方法、樣本制備和成像方式導致成像質量參差不齊，不同算法對不同類型圖像的重建效果差異明顯，此外，用于基準測試的標準圖像數據集多樣性也很有限。因此，理解目前現有自動重建算法的性能以及它們如何與不同圖像數據集的特定特征相匹配、測試它們對特定任務的適用性仍是當前的一個重要挑戰。目前，中國腦計劃、歐洲腦計劃、美國腦計劃等大型項目都非常需要這樣的工具。

針對以上挑戰，研究團隊發起BigNeuron項目。BigNeuron項目的目標是生成一個巨大的基準測試矩陣，通過使用最強大的超級計算設備和多功能計算資源，在里面對大量可公開訪問的不同物種、不同腦區、不同樣本制備方法和成像模式的神經元圖像進行所有主要的神經元重建算法測驗。BigNeuron方法產生了極其寶貴的知識，并對當前世界領先實驗室使用的自動算法的性能產生了前所未有的理解。在構建技術平臺并進行數據收集以及跨多個計算平臺進行基準測試的階段中，研究團隊生成了超過 140 萬個神經元重建結果，形成了迄今為止最大的已知神經元重建基準測試數據集。在社區分析階段，研究團隊繼續與世界各地的許多實驗室合作，開發了一個在線的、開放訪問的平臺，用于對龐大的數據資源進行交互式分析。此外，BigNeuron 項目還激發了 250 多篇出版物以及近期大腦研究中的幾個重大科學項目，例如美國 BRAIN 計劃的形態測量和細胞分型項目。