近日，东南大学脑科学与智能技术研究院在神经元自动追踪算法基准测试与性能预测方面取得重要研究进展，相关成果以“BigNeuron: A resource to benchmark and predict performance of algorithms for automated tracing of neurons in light microscopy datasets”为题，在线发表于国际方法学顶级期刊“Nature Methods”。该文章是东南大学脑智院院长彭汉川教授发起的BigNeuron项目的主要成果论文。成果由东南大学脑科学与智能技术研究院主导，全球多家著名机构参与，包括美国艾伦脑科学研究所、霍华德·休斯医学研究所、惠康基金会、INCF、橡树岭国家实验室、劳伦斯伯克利国家实验室、剑桥大学、伦敦帝国理工学院、华盛顿大学、密歇根大学、日本东京大学、腾讯等。
神经元形态解析对认识脑、保护脑、模拟脑至关重要，高通量地重建神经元形态是形态解析的关键前提。近年来，多个神经元全自动重建算法应运而生。然而不同标记方法、样本制备和成像方式导致成像质量参差不齐，不同算法对不同类型图像的重建效果差异明显，此外，用于基准测试的标准图像数据集多样性也很有限。因此，理解目前现有自动重建算法的性能以及它们如何与不同图像数据集的特定特征相匹配、测试它们对特定任务的适用性仍是当前的一个重要挑战。目前，中国脑计划、欧洲脑计划、美国脑计划等大型项目都非常需要这样的工具。
针对以上挑战，研究团队发起BigNeuron项目。BigNeuron项目的目标是生成一个巨大的基准测试矩阵，通过使用最强大的超级计算设备和多功能计算资源，在里面对大量可公开访问的不同物种、不同脑区、不同样本制备方法和成像模式的神经元图像进行所有主要的神经元重建算法测验。BigNeuron方法产生了极其宝贵的知识，并对当前世界领先实验室使用的自动算法的性能产生了前所未有的理解。在构建技术平台并进行数据收集以及跨多个计算平台进行基准测试的阶段中，研究团队生成了超过 140 万个神经元重建结果，形成了迄今为止最大的已知神经元重建基准测试数据集。在社区分析阶段，研究团队继续与世界各地的许多实验室合作，开发了一个在线的、开放访问的平台，用于对庞大的数据资源进行交互式分析。此外，BigNeuron 项目还激发了 250 多篇出版物以及近期大脑研究中的几个重大科学项目，例如美国 BRAIN 计划的形态测量和细胞分型项目。