Jul, 2023

AxonCallosumEM 数据集：基于 EM 图像的大脑胼胝体横截面的轴索语义分割

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 学习大规模神经元追踪的多模态体数据特征

    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

  • 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

  • 大规模连通组学的多通路方法

    该研究提出了一种基于多核系统的、可用于实时处理电子显微镜数据的多通道管道，并演示了其在重建神经元连接性的准确性和速度上的优势。

    Dec, 2016

  • 专注校对：从分割的 EM 图像中高效提取连接组

    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

  • 电子显微镜分割算法的理想属性

    本研究提出一种新型的 EM 分割分类器训练算法，旨在降低对标注和错误修正任务的手动劳动需求，实验表明该方法较现有方法更适于神经重建。

    Mar, 2015

  • 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

  • 一种上下文感知的电子显微镜分割延迟凝聚框架

    该论文提出了一种新颖的聚合框架用于电子显微镜图像（或体积）分割，即给定一个过分割的图像或体积，我们提出了一个新的框架来准确地聚类相同神经元的区域，并且在 2D，3D 数据集上，与现有标准方法相比，该方法在分割准确度上取得了显着的改进。

    Jun, 2014

  • 利用 YOLOv5 进行 MRI 胼胝体的可解释定位和非典型帕金森综合症分类

    本文提出了一种基于 YOLOv5 的 CC 检测框架，用于区分非典型帕金森病患者和健康对照组。使用 3 轮留置验证，在由 20 个健康受试者和 20 个 APD 病例组成的专有数据集上，所提出的方法获得了 92% 的平均分类准确率，并且相对于使用同一数据集的 SOTA 方法（CC 形态学和视觉纹理分析）提高了 5%。此外，为了包含 YOLO 预测的可解释性，还生成了基于 Eigen CAM 的热图，用于识别导致分类的最重要的 CC 亚区，结果显示 CC 中体是区分 APDs 和 HC 最显著的亚区，这与医学上的 SOTA 方法和当前普遍的理解相一致。

    Jun, 2023

  • FusionNet: 一种用于连接组学中图像分割的深度完全残差卷积神经网络

    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