在宽范围尺度上建模大脑电路
自动样品制备和电子显微镜使得大规模图像数据采集成为可能,基于此,本文提出了一种 pipeline 系统,通过结合随机森林分类和条件随机场框架,能够完成大规模电子显微镜数据的分割和自动化标注,从而实现了大规模 3D 神经元的重建和可视化。
Mar, 2013
通过构建 FlyTracing 数据集和引入连接感知对比学习方法,本研究旨在降低人工工作量,减少电子显微镜数据中自动图像分割后的人工校对过程,并提出了一种有效的自动神经追踪方法。
Jan, 2024
本文提出了一种名为 “focused proofreading” 的新策略,结合自动图像分割和生物信息,成功减少了手动修正(proofreading)的时间和地点,应用于大型数据集中的果蝇视神经中,使跟踪速度提高了 3-5 倍。
Sep, 2014
本研究提出了一个名为 NeuNet 的框架,该框架整合了神经元的形态和连接信息,并成功应用于神经元分类任务,通过电子显微镜成像技术和分析方法在两个数据集上获得了高分类精度。
Dec, 2023
本文通过将矛线虫的运动回路转化为具有不同生理真实性水平的人工神经网络,评估这些网络在动态和非动态行为任务上的训练结果。研究表明,即使不保持生物特性的真实性,也可以获得使用生物电路的优势。建立生物电路结构的统计学提供了有价值的先验知识。同时,矛线虫的运动回路对于运动问题具有强大的归纳偏差,但其结构可能会妨碍其他与运动无关的任务。
Sep, 2022
本文介绍了 AxonCallosumEM 数据集,该数据集是通过电子显微镜技术对 RTT 小鼠模型的胼胝体进行成像得到的,数据集详细标注了髓鞘和轴突,并开发出一种 Fine-tune 方法,适应了 EM 图像分割任务。
Jul, 2023
本文提出了多阶段多递归输入的完全卷积网络通过学习低阶段的不同感受野大小的多个侧面输出,为后续学习提供多尺度的上下文边界信息,以解决电子显微镜图像分割的挑战问题,结果在两个公共可用的 EM 分割数据集上取得了有希望的结果。
Mar, 2017
光学成像技术在过去二十年取得了巨大发展,通过新的光学器件、指示剂和实验模式,我们现在能够进行从突触到大脑皮层的体内成像。为了应对不同尺度下产生的大量数据,我们不断开发计算方法以提取与生物相关的信息。本文旨在讨论算法设计中的限制和权衡,以确定数据质量和可变性如何阻碍算法的使用和传播。
Feb, 2024
本研究介绍了一种基于深度学习的新型神经网络结构 FusionNet,用于自动分割连接组学数据中的神经元结构,并表明其在电子显微镜 (EM) 图像分割方面具有优异的性能。
Dec, 2016