这个半脑数据集包含了蓝色突出显示的苍蝇大脑的一部分。该区域包括参与学习、导航、嗅觉、视觉和许多其他功能的神经元。图片：FlyEM / Janelia Research Campus
对他来说，这是一个值得挑战。他说：“我受到怀疑者的激励。” 鲁宾补充说：“我们知道我们必须使该过程的效率提高100倍以上，但这正是珍妮亚建立的那种项目。”
第一个障碍：清晰了解每个蜿蜒穿过苍蝇大脑的神经元。
神经快照
在几套锁着的门和白色的落地窗帘的背后，有八只笨重的显微镜准备成像苍蝇的大脑。在这个安静的房间中，没有任何东西会干扰图像收集。
哈拉德·赫斯（Harald Hess），徐（C. Shan Xu）和他们的同事已经准备好了这些显微镜。
简妮亚高级小组负责人赫斯说：“我们称其为’上帝保护室行动’。”
显微镜放在充气气垫上，以最大程度地减少振动。甚至房间本身就是为了抑制噪音而建造的。它坐落在独立的混凝土板上，与建筑物的其余部分分开。
这些显微镜最初计划在几分钟或几小时内捕获数据。但是要使整个苍蝇大脑成像，显微镜需要连续运行数月或数年。赫斯说，数据中的单个缺陷可能会使所有内容丢掉。“它确实必须是完美的。” 因此，他的团队花了将近十年的时间来微调图像收集过程的每个部分，这在2019年11月的bioRxiv论文中进行了描述。显微镜现在可以产生始终如一的清晰图像，从而揭示大脑中神经元迷宫的复杂细节。如果发生任何故障，显微镜将自动暂停数据收集并发送警报信号。
赫斯，徐及其同事使用一种称为聚焦离子束扫描电子显微镜（focused-ion beam scanning electron microscopy，FIB-SEM）的技术。瞄准镜使用聚焦的离子束来研磨飞蝇脑组织的细小增量，就像非常精密的喷砂机一样。它在一块组织上发射镓离子，一个原子一个原子地抛光表面。显微镜拍摄组织表面的图像，抛光掉另一个薄层，然后拍摄另一个图片，一遍又一遍，直到整个样品都被研磨掉。随着物理样本逐渐消失，其数字孪生体将被永久性地存储。
然后，计算机程序将这些图像对齐并将其缝合在一起，以创建苍蝇大脑的3D表示。
用于接线图的图像（全部来自单个雌蝇）已被收集。但是范围仍然很大：它们现在正在从雄蝇的大脑中收集数据。这次，目标是捕获整个中枢神经系统。如果一切顺利，显微镜将在2020年底之前完成该任务。
从单个大脑中存储图像将在硬盘上占用约100 TB的数据。FlyEM项目团队负责人史蒂夫·普拉扎（Steve Plaza,）说，这大约相当于计算机上的1亿张照片。对于人类来说，手工整理的数据实在太多了。因此，研究人员找到了加快处理过程的方法，训练计算机自动完成这项工作。
与科技巨头合作
计算机可以执行各种与图像相关的任务，例如识别卫星图像中的人脸或发现道路。这些任务部分地依赖于一个称为图像分割的过程：将数字图像分解成各个组成部分并标记每个部分。
多年来，Google一直在尝试改善这一过程的方法。贾恩和他的同事们希望建立细分技术并将其应用于具有挑战性的问题。分析神经元图像非常合适。但是，教一个算法如何可靠地挑选出或分割图像中的神经元，需要大量的训练实例。因此，贾恩接触了珍妮亚的FlyEM团队，他们生成数据的速度远超处理数据的速度。两组开始共享数据，并利用Google的算法通过成像数据层跟踪神经纤维的情况。
合成的果蝇大脑图像
为了对果蝇半脑成像，研究人员将果蝇大脑切成薄片，用电子显微镜成像，然后将所有图像缝合在一起。目标：创建一个立体图像，使科学家能够追踪每个神经元穿过大脑的路径。图片：FlyEM / Janelia Research Campus
鲁宾说：“谷歌提供了很多智力和计算能力。”他们拥有最新的技术，并拥有致力于在庞大数据集上测试算法的资源。“这是一次理想的合作-具有不同专业知识的团队一起工作。”
贾恩说，理想情况下，计算机可以直接从显微镜图像中挑选出神经元。但这很难做到，因为许多神经元在大片区域卷曲延伸，跨越许多图像。过去，算法采用的是零碎的方法。首先，一种计算机算法确定了将神经元与大脑其他所有部位分开的细胞边界。然后，另一种算法在这些边界内着色，将每个部分定义为一块神经元。最后，第三种算法将所有神经元链接在一起，形成每个神经元连接路径的蓝图。
Google的算法取消了所有这些步骤，从而像人类一样更有机地追踪神经元。贾恩说，一种算法称为洪水填充网络，它在滚动显示数据时直接端对端跟随延伸的神经。它根据图像上下文及其自身的先前预测来决定如何扩展神经元的形状。贾恩和他在Google的同事在2020年1月22日的Google AI博客中描述了这项工作。