测亩仪算法原理

中国科学技术大学、中国科学院深圳先进技术研究院双聘教授毕国强团队，与美国加州大学洛杉矶分校周正洪教授合作，开发了一套基于深度学习的cryoET数据处理算法和软件IsoNet,有效解决了cryoET成像中的缺失锥效应和低信噪比问题，相关研究成果以Isotropic reconstruction for electron tomography with deep learning为题于2022年10月29日发表在Nature communications.研究人员搭建了一套迭代优化的自监督深度学习人工网络算法，并以旋转处理后的cryoET断层三维重构数据自身为训练集，实现了对cryoET断层三维重构数据的缺失锥矫正。同时，在IsoNet算法的流程中，加入降噪过程，使得同一个人工神经网络可以同时对断层三维重构数据进行缺失信息补全和降噪处理。图1.基于深度学习进行cryoET成像数据缺失锥矫正与降噪的基本原理与流程利用IsoNet算法对模拟缺失锥的铁蛋白(apoferritin)与核糖体(ribosome)的三维结构分别进行处理，处理后的结果能够与低分辨的原子模型相媲美。同时对真实的HIV病毒粒子（immatureHIVcapsid）、副鞭毛杆（the paraflagellar rod）以及培养神经细胞中突触（neuronalsynapse）的断层三维重构数据进行处理，均得到了非常好的效果。尤其值得关注的是，在利用IsoNet算法对神经突触这种典型包含大量蛋白、膜性细胞器与细胞骨架等复杂结构的细胞水平厚样品的断层三维重构图像进行处理后，突触中囊泡、线粒体、微管、微丝、细胞膜以及蛋白复合物的三维结构信息均得到了很好的恢复。图2.利用IsoNet算法对神经突触cryoET三维重构数据进行处理前、后的效果，以及对IsoNet算法处理后神经突触中超微结构基于真实电子密度的三维可视化渲染IsoNet算法在预印本bioRxiv公布后，引起了领域内的广泛关注与深入讨论，其中一个重点是IsoNet算法是如何实现缺失锥矫正的？一种主要推测是，人工神经网络在训练过程中，能够学习到蛋白质等生物结构在三维空间中不同角度的结构特征，并将这些信息补充到缺失锥方向，类似于单颗粒冷冻电镜三维平均。因此通过不断优化人工神经网络架构、扩大训练样本集等手段，IsoNet算法将能够实现对细胞中每个蛋白分子的高分辨三维结构信息进行恢复，从而为真正实现可视化细胞原位每个蛋白分子的高分辨三维结构与组织分布奠定了基础。正如领域内专家Dimitry Tegunov等人在推特上评价认为，IsoNet算法的思路将是cryoET技术的未来发展方向。本论文的第一作者为中国科学技术大学博士生刘云涛（现美国加州大学洛杉矶分校博士后）和2018级本科生张恒（现北京大学研究生），通讯作者为毕国强教授和周正洪教授。中科院深圳先进技术研究院副研究员陶长路博士、美国加州大学洛杉矶分校博士生王辉也参与了本文的工作。该工作得到了科技部、国家自然科学基金委、中科院先导专项的资助。

生命科学　　Life science　　2022年8月2日，上海科技大学生命科学与技术学院杨扬团队与中国科学院自动化研究所韩华团队合作，在Cell Press细胞出版社期刊Cell Reports上以长文形式发表了题为“Fear memory-associated synaptic and mitochondrial changes revealed by deep learning-based processing of electron microscopy data”的研究论文，该研究通过对恐惧学习小鼠听觉皮层突触的三维电镜重建和大规模比较分析，探究了小鼠听觉皮层中与恐惧记忆相关的神经元突触等亚细胞结构的变化情况，并用模型分析方法揭示了突触连接模式变化引起的信息存储容量的大幅提升。　　中国科学院自动化研究所刘静助理研究员、上海科技大学生命科学与技术学院漆俊倩博士、中国科学院自动化研究所陈曦研究员和李贞辰博士生为本文的共同第一作者，杨扬研究员、韩华研究员、谢启伟教授为本文的共同通讯作者。　　大脑中的神经网络由神经元通过复杂的突触连接构成，神经元编码、处理和存储信息从根本上依赖于突触的连接模式以及在此基础之上的协调活动，解析突触的连接模式对理解大脑的结构与功能至关重要。在哺乳类动物大脑中，除了由单个轴突小结（axonal bouton）与单个树突棘（dendritic spine）形成的1-1型连接，即单位点突触连接外，大脑中的突触连接模式还包括由单个轴突小结与多个树突棘形成的1-N型连接，或多个轴突小结与单个树突棘的N-1型连接，统称为多位点突触（multiple-contact synapses，MCS）。此前，已有很多研究通过光学显微镜发现学习记忆可以改变突触的组织结构，由于突触间隙宽度仅有几十纳米（低于一般光学显微镜的衍射极限），因此在光学显微镜下观察突触结构的精细变化非常困难。与此同时，突触三维结构的光学数据获取和分析高度依赖于人工，更是极大限制了突触结构的重建数量和分析规模。　　为探究学习记忆如何促进突触多位点连接模式的形成及效果，本项研究以经典的听觉条件恐惧学习（auditory fear conditioning）为范式设置了实验组和对照组，基于大规模序列电子显微镜成像技术和深度学习识别模型，实现了电镜图像中多种亚细胞三维结构的自动提取，重构了小鼠听觉皮层135,000个线粒体和160,000个突触。实验组和对照组的大规模对比分析表明，尽管恐惧学习训练没有改变突触的空间密度与空间分布，却特异性地增加了1-N型突触的比例。进一步分析发现，绝大多数1-N型突触中的树突棘来自不同树突主干，并且这种多树突1-N型突触在神经元网络中能够起到信号广播的作用。　　为了进一步分析多树突1-N型突触的信息编码能力，本项研究建立了基于香农信息熵来计算突触信息存储容量（information storage capacity，ISC）的组合数学模型。在无新增突触的静态网络和包含新增突触的可塑性动态网络两种条件下，分别计算了引入多树突1-N型突触的ISC增量。在静态网络中，引入此类突触只是略微增加了ISC容量，而在动态可塑性网络中，此类突触将信息存储容量显著提高了50%。　　综上，基于序列电子显微镜成像技术和深度学习计算方法，研究者开发了小鼠听觉皮层亚细胞结构的三维电镜重构算法，自动重建精度可以满足大规模分析的精度需求，有效地节省了人工校验时间消耗，极大提高了分析效率。大规模电镜重构和对比分析结果在亚细胞水平揭示了学习记忆对大脑皮层突触、线粒体的组织结构和连接模式的影响，为类脑计算仿生模型的精确建模提供了结构基础和启发依据。　　图：（上左）听觉条件恐惧学习的对照组和实验组。（上右）轴突小结与树突棘替换或增加的示意图。（中左）不同突触连接模式的电镜图像及三维重构结果。1-N型突触由单个轴突小结与多个树突棘形成，N-1型突触由多个轴突小结与单个树突棘形成。（中右）不同突触连接模式示意图。绿色：树突；蓝色：轴突。（下左）密集重构揭示绝大多数1-N型突触中的树突棘来自不同树突主干。（下右）无新增突触的静态网络和包含新增突触的可塑性动态网络。　　该研究获得了国家科技创新2030重大项目、中国科学院战略性先导科技专项、国家自然科学基金、北京市科技计划的经费支持。　　作者专访　　Cell Press细胞出版社公众号特别邀请杨扬研究员、刘静博士和韩华研究员代表研究团队接受了专访，请他们为大家进一步详细解读。　　CellPress：　　过去也有基于电镜图像重构来探究突触和线粒体的研究报道，有的还完成了更大规模的密集重构。本文的方法和思路与过去的研究有何不同？　　杨扬研究员：　　电镜图像的密集重构对运算量的要求很高，工作量极大。而本文所使用的方法可以在不做密集重构的前提下，选择性识别和分割出研究者感兴趣的亚细胞结构，如本文关注的突触、线粒体，也可以推广到其他有特殊结构的细胞器。已有的突触或线粒体的自动重构算法多是像素或体素分割模型，也就是将图像中的像素或体素分类成前景或者背景。本文所使用的region-based卷积神经网络是一种实例分割网络，可端到端的完成目标实例的检测和分割。另外，针对强各向异性的序列电镜数据，本文提出一种2D到3D的重构方法，首先在2D上识别和分割亚细胞结构，随后应用3D连接算法完成3D的重构。这种方式可有效避免直接应用3D卷积神经网络带来的目标尺度在特征空间和图像空间不一致的问题。　　CellPress：　　多位点突触是一个新的概念吗？本文对此类突触的研究有何特别之处？　　杨扬研究员：　　一个突触前轴突小结与多个突触后树突棘形成的1-N多位点突触，和多个突触前轴突小结与一个突触后树突棘形成的N-1多位点突触，在过去的文献中都有过报道。但限于电镜图像人工识别的效率，过去的工作未能对这种特殊突触进行大规模的定量研究。本文通过基于机器学习的自动识别与重构算法实现了这一突破。此外，连接同一个多位点突触中的多个树突棘是来自同一根树突还是不同树突，代表了两种不同的神经元连接方式：前者仍是1对1的神经元连接，后者则是1个神经元对多个神经元的信息广播。本文通过密集重构，首次对这两类多位点突触进行了区分和定量，并发现后者在大脑皮层中，特别是学习之后占据了绝大多数，提示这种连接可能表征了大脑中突触层面的记忆痕迹。　　CellPress：　　人工智能算法在这个研究中发挥着怎样的作用？　　刘静博士、韩华研究员：　　近年来，人工智能算法已经深入应用到生命科学领域，加速甚至革新了生物学的研究进程。在连接组（Connectomics）领域，面对海量的高分辨电镜数据，借助人工智能算法绘制神经元的线路图是一个必不可少的环节。在本文中，我们设计了一套深度学习算法工具集，可以自动识别序列电镜图像中神经元、突触以及线粒体并恢复其三维形态。深度学习算法的应用大大提高了识别效率，将人从大量冗余复杂的标注工作中解放出来，加速了研究进程。　　CellPress：　　可否用简要的语言解释文中所提及的突触连接静态网络和动态网络，两者最核心的区别是什么？具有何种生物学意义？　　刘静博士、韩华研究员：　　突触连接网络是指根据神经元的几何拓扑特征来模拟突触连接模式的一种建模方式。其中，静态模型中仅考虑稳定的突触连接，假设没有新突触的形成或旧突触的消亡，本文使用信息熵定义静态网络的信息存储容量。而动态模型则将突触可塑性引入到网络中，允许新突触的形成，本文使用信息熵的增益表示新突触形成带来的信息存储容量的增加。动态模型通过模拟突触可塑性，与真实的大脑神经网络更为相似。　　CellPress：　　您认为该项研究对类脑计算有什么启发吗？　　刘静博士、韩华研究员：　　类脑智能（Brain-inspired Intelligence）本身就是通过模仿和借鉴人类神经系统的工作原理以构建新型的计算结构和智能形态。然而，目前人对大脑的生理机制还知之甚少。类脑研究的第一步就是要理解大脑，突触作为神经元连接的桥梁，是大脑中最重要的结构之一。突触的可塑性（synaptic plasticity）被认为与长时程记忆（long-term memory）有关。本文通过恐惧学习实验范式和电镜成像技术，发现了恐惧记忆能促进小鼠听觉皮层中一种特殊的1-N突触连接模式的形成，且这种连接模式大大增强了局部环路的信息编码能力。本研究中发现的这种局部神经环路信息传递模式或许能够作为一种记忆存储模块启发新型的类脑计算模型。　　作者介绍　　谢启伟 　　教授　　谢启伟，北京工业大学现代制造业基地教授　　研究兴趣、领域：数据挖掘、图像处理和复杂系统智能；应用图像处理、机器学习和深度学习等方法研究基于电镜数据的神经元重建，集中于神经元电镜图像的前处理、超体素分割、图融合后处理等方法的研究，为神经科学提供有力工具，期待从脑的结构中挖掘出智能的本源。　　韩华 　　研究员　　韩华，中国科学院自动化所研究员　　研究兴趣、领域：高通量显微成像技术产生海量影像数据，如何重构数据、分析数据、可视数据等已成为脑科学与类脑研究领域的重大挑战。我们致力于建立我国微观脑图谱的高通量技术体系和自主可控技术平台，持续突破大体块神经组织样品制备、长时程超薄切片连续收集、高通量扫描电镜三维成像、高精度神经结构三维重建等关键技术，开展多个百TB规模的微观脑图谱绘制工程，为构建类脑计算仿真提供生物真实网络和仿生建模依据。　　杨扬 　　研究员　　杨扬，上海科技大学生命科学与技术学院助理教授、研究员　　研究兴趣、领域：以条件恐惧学习和增强式学习为行为范式，使用在体双光子成像、双光子全息光遗传、电镜、电生理等技术，研究与学习记忆相关的神经环路活动性和可塑性，及神经调制系统在其中所起的作用。　　相关论文信息　　▌论文标题：　　Fear memory-associated synaptic and mitochondrial changes revealed by deep learning-based processing of electron microscopy data

项目概况高光谱目标检测与识别算法库 招标项目的潜在投标人应在中化商务电子招投标平台（e.sinochemitc.com）获取招标文件，并于2022年10月11日 14点00分（北京时间）前递交投标文件。一、项目基本情况项目编号：0747-2267SCCSD312项目名称：高光谱目标检测与识别算法库预算金额：34.0000000 万元（人民币）最高限价（如有）：34.0000000 万元（人民币）采购需求：详见其它补充事宜合同履行期限：详见其它补充事宜本项目( 不接受 )联合体投标。二、申请人的资格要求：1.满足《中华人民共和国政府采购法》第二十二条规定；2.落实政府采购政策需满足的资格要求：详见其它补充事宜3.本项目的特定资格要求：详见其它补充事宜三、获取招标文件时间：2022年09月21日 至 2022年09月27日，每天上午8:30至12:00，下午12:00至17:00。（北京时间，法定节假日除外）地点：中化商务电子招投标平台（e.sinochemitc.com）方式：线上购买售价：￥200.0 元，本公告包含的招标文件售价总和四、提交投标文件截止时间、开标时间和地点提交投标文件截止时间：2022年10月11日 14点00分（北京时间）开标时间：2022年10月11日 14点00分（北京时间）地点：青岛市市南区香港中路20号黄金广场北楼1526室五、公告期限自本公告发布之日起5个工作日。六、其他补充事宜我部就以下项目进行国内公开招标，采购资金已全部落实，欢迎符合条件的供应商参加投标。项目名称：高光谱目标检测与识别算法库项目编号：0747-2267SCCSD312项目概况：高光谱目标检测与识别算法库，投标供应商须对所投包内所有产品和数量进行唯一报价，否则视为无效投标。投标供应商资格条件符合《中华人民共和国政府采购法》第二十二条资格条件：1.具有独立承担民事责任的能力；2.具有良好的商业信誉和健全的财务会计制度；3.具有履行合同所必需的设备和专业技术能力；4.有依法缴纳税收和社会保障资金的良好记录；5.参加政府采购活动前3年内，在经营活动中没有重大违法记录；6.法律、行政法规规定的其他条件。（二）国有企业；事业单位；军队单位；成立三年以上的非外资控股企业。（三）单位负责人为同一人或者存在直接控股、管理关系的不同供应商，不得同时参加同一包的采购活动。生产型企业的生产场经营地址或者注册登记地址为同一地址的，非国有销售型企业的股东和管理人员（法定代表人、董事、监事）之间存在近亲属、相互占股等关联的，也不得同时参加同一包的采购活动。近亲属指夫妻、直系血亲、三代以内旁系血亲或近姻亲关系。（四）未被列入政府采购失信名单、军队供应商暂停名单，未在军队采购失信名单禁入处罚期内，未被“信用中国”网站列入失信被执行人、重大税收违法案件当事人。（五）本项目不接受联合体投标。招标文件申领时间、地点、方式（一）申领时间：2022年9月21日至9月27日，每日8:30至17:00，（北京时间，申领时间不少于5个工作日）。（二）申领方式本项目采取网上发售方式。招标文件的获取方式：登录中化商务电子招投标平台（e.sinochemitc.com）通过网上支付方式购买招标文件。（1）注册：通过中化商务电子招投标平台完成注册（免费），在注册中请按照要求提供真实有效的合法信息及证件。工作人员会在一个工作日内完成审核工作（已注册单位可跳过此步骤）；（2）标书购买：在【投标管理-购买文件】页面找到项目标号，通过网上支付方式购买文件。支付成功后，可在【投标管理-文件下载】页面下载增值税电子普通发票；（3）所有缴费、发票等业务均须在平台操作完成（平台注册过程中技术支持电话：010-86391277）；（4）投标供应商必须是按照规定报名成功、合法从代理机构获取招标文件的供应商才可以参与投标。（三）招标文件售价：200元/份，售后不退。投标开始和截止时间及地点、方式投标开始时间：2022年10月11日13时30分（北京时间）。投标截止时间：2022年10月11日14时00分（北京时间）。投标地点：青岛市市南区香港中路20号黄金广场北楼1526室。投标方式：由投标供应商法定代表人或授权代表现场递交投标文件，不接受邮寄等其他方式。开标时间、地点开标时间：2022年10月11日14时00分（北京时间，应与投标截止时间保持一致）。开标地点：青岛市市南区香港中路20号黄金广场北楼1526室。七、对本次招标提出询问，请按以下方式联系。1.采购人信息名 称：某单位　　　　　地址：山东省烟台市　　　　　　　　联系方式：张老师15684051142　　　　　　2.采购代理机构信息名 称：中化商务有限公司　　　　　　　　　　　　地　址：山东省青岛市　　　　　　　　　　　　联系方式：许一诺18910330096　　　　　　　　　　　　3.项目联系方式项目联系人：许一诺电　话：18910330096八、本采购项目相关信息在《中国政府采购网》上发布。九、采购机构联系方式采购代理机构：中化商务有限公司联 系 人：许一诺、徐希鹏移动电话：18910330096、18561902633地 址：山东省青岛市市南区香港中路20号黄金广场北楼1526室十、监督部门联系方式项目监督人：张彬移动电话：15684051142