May, 2023

基于 CNN 的定向凝固镍基合金显微图像树枝核的检测

PDF
TL;DR本文提出了一种基于分割任务的检测方法，通过 Easy Sample Detection (ESD)、Hard Sample Detection (HSD)、Hard Sample Refinement (HSR) 三步骤来检测树突核并筛选假阳性预测。实验结果表明，该方法在召回率、准确率和 F1 分数等三项指标上均优于现有的基线系统。
发现论文，激发创造
  • 多阶段多递归输入全卷积网络用于神经元边界检测

    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

  • 一个多功能电路用于仿真生物活跃树突，应用于声音定位和神经元模拟

    通过引入一种模拟树突分支节段的多功能电路，本研究揭示了树突在生物感知以及神经网络构建中的重要作用，并证明可以纯由树突电路构建神经元网络。

    Oct, 2023

  • 树突棘形态分析：聚类视角

    通过对树突棘进行形态学、形状和外貌相关特征的聚类分析，我们发现存在中间形态类型的争议，解决了手动分类和主观性的问题。

    Jul, 2016

  • 递归训练 2D-3D 卷积网络用于神经元边界检测

    该研究提出了一种深度网络和递归训练的算法，用于从显微镜图像中自动重建神经元之间的连接。

    Aug, 2015

  • UruDendro，一个美国松树 Quercus taeda 截面图像的公共数据集

    这篇论文介绍了使用图像分析自动检测树木年轮边界和其他解剖特征的方法，并提出了一种用于检测树木年轮的算法，该算法在测试数据集上表现良好，并提出了一种使用等效半径来衡量年轮生长的稳健方法。

    Apr, 2024

  • Nano1D：一种用于低维目标分割与分析的精确计算机视觉模型

    本文介绍了一种基于物理的计算模型，用于对来自显微镜图像的一维不规则和可变形物体进行准确的分割和几何分析，该模型已成功地应用于银纳米线的分割和分析。

    Jun, 2023

  • HyperFusion-Net: 密集反射融合用于显著目标检测

    在本篇论文中，我们提出了一种基于像素分类的新型特征学习框架，并将显著目标检测作为像素分类问题来解决，该方法采用了名为 HyperFusion-Net 的密集分层特征融合网络，结合 ICNN 和超密集融合机制，它能够自动预测最重要的区域并以端到端的方式分割相关物体，实验结果表明该方法在七个公共数据集上的表现均显著优于其他现有最先进的方法。

    Apr, 2018

  • 在宽范围尺度上建模大脑电路

    本篇论文主要研究利用电子显微镜和光学显微镜结合计算机视觉技术，对神经元的突触连接等生物信息进行分析和建模。

    Feb, 2015

  • 大规模电子显微镜成像神经元过程的自动重建

    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

  • 避免灾难：主动树突在动态环境中实现多任务学习

    通过生物学对神经元的性质进行深度学习网络的架构设计和实现，成功地解决了动态情境下的任务适应及多任务学习问题，进一步说明了神经元的生物学特征可以启示深度学习系统解决传统神经网络无法解决的动态场景中的问题.

    Dec, 2021