冷泉港实验室(CSHL)的科学家已经教导计算机比以往任何一种方法更有效地识别大脑显微镜图像中的神经元。研究人员提高了追踪神经元及其连接的自动化方法的效率，随着研究人员努力绘制大脑密集互连的电路，这项任务的需求越来越大。他们通过教计算机识别神经元的不同部分来做到这一点，每个部分都有不同的特征。
这样的连接图对于学习大脑如何处理信息以产生思想和行为至关重要。近年来，新的成像技术和扩展的存储数字图像的能力已导致海量数据的产生，捕获了神经元通过老鼠和其他模型生物的大脑时所经过的路径。CSHL教授Partha Mitra说，但是没有足够的专家来分析所有这些图像，他的团队开发了新的人工智能(AI)工具，并在《自然机器智能》杂志上进行了报道。
Mitra说：“我认为这个项目是建立一个虚拟的神经解剖学家。我们之所以需要这样做，是因为我们所做的工作传统上是由需要数十年培训的专家人员完成的。他们已经看了数十万张图像，我不知道。他们了解上下文，并且可以提供专业的判断和解释。”
Mitra说，自动化方法必须接管这项工作，但是计算机在解释视觉信息方面不如人类。专家解剖学家快速识别为在拥挤的显微镜图像上蜿蜒的单个神经元，对于算法而言并不那么明显-至少在没有进行广泛训练的情况下(该训练允许计算机一次又一次地从大型数据集中学习)，这种现象并非并非如此。
