計算物理入侵腦科學，解決了大腦神經網路影像大數據的視覺化難題

• 日期 : 2018-02-13
• 分類 : 研究
• 點閱 : 3422

「大腦的結構與功能」與「幹細胞」，堪稱是21世紀人類科學中最重要的兩個課題，東海大學應用物理系施奇廷教授的「計算物理」團隊，在腦科學這個領域也做出了重要的貢獻。在大數據的時代，如何將資料視覺化，讓隱藏在巨量數據中的重要意義顯現出來，是個越來越重要的課題。由於腦神經影像資料量越來越大，腦細胞的形狀又非常複雜（圖A），當我們想要觀察一大堆腦細胞組成的大腦網路時，就會發現這些腦細胞像是一團煮過頭、糾結在一起的義大利麵（圖B）。所以我們得把一條條的神經細胞染上顏色，才能看得清楚腦網路的結構。

可是問題又來了，顏色該怎麼給呢？過去有兩種方法：第一種是由人工一一指定各條神經的顏色，達到最佳的視覺效果，過去一次看的神經不多，這種人工方式是可行的，而且效果的確很好，但是我們現在要看的神經元有幾千、上萬條，用這種方式會把學生搞瘋；第二種方法是隨機指定顏色，聽起來是有點無責任的方法，好處是可以寫個程式自動分色，但既然是隨機亂分，免不了會發生靠得很近的神經細胞顏色又很接近，然後搞混GG的狀態。因此我們利用物理學中的「熱力學第二定律」以及「計算物理」中的「模擬退火」的方法，找出了電腦自動配色，而且靠近的神經元顏色一定不一樣的方法，解決了這個難題（結果見圖C的果蠅大腦網路，內有一千個神經細胞），D與F為 C 圖中方塊1與方塊2的放大圖，E與G為同樣區域，以隨機亂數指定顏色的結果。由箭頭指出的神經元可以看出，E 與 G 隨機配色的方式，靠得很進的神經細胞被指定了非常接近的顏色而難以分辨，在D 與 F 我們的演算法所自動配的顏色，分得非常清楚。

這篇論文獲得知名國際神經科學期刊「Neuroinformatics」的肯定，已被接受近期即將刊出。

「計算物理」是物理學家進行跨領域研究的利器，有興趣的同學，也別忘了選修陳永忠老師下學期（106學年度第二學期）所開的「計算物理（二）」喔！