AAAIJan, 2024

学习大规模神经元追踪的多模态体数据特征

PDF
TL;DR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。
neuron reconstruction pipelineelectron microscopy dataflytracing datasetconnectivity annotationscontrastive learning method
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

  • 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

  • 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

  • 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

  • 使用置换不变编码器进行神经元分类的神经骨架和脑回路拓扑的联合学习

    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

  • 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

  • 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

  • 使用解剖多视角数据进行非图像表型可解释预测的深度网络

    我们研究了应用多视图方法改进非成像表型预测的机器学习方法，通过解释性的多视图网络（EMV-Net）利用不同解剖视图提取特征来提高预测性能。

    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

  • SNEMI3D 连接组学挑战中的超人类准确度

    使用卷积神经网络进行电子显微成像脑图像的三维重建，通过参加 SNEMI3D 基准测试的结果表明，在预测体积质心之间的亲和力和长距离相互作用的辅助任务中采用的 3D U-Net 变体算法训练的模型可以超越 SNEMI3D 排行榜提供的人类精度估计。

    May, 2017