CVPRMar, 2024

FISBe: 用于实例分割长距离细纤维结构的真实世界基准数据集

PDF
TL;DR该研究通过实例分割神经系统的体积光学显微图像，为神经科学的突破性研究提供便利，能够在细胞分辨率上促进神经回路的功能和形态分析。为了解决多神经元光学显微数据的现有挑战，研究团队发布了第一个公开可用的具有像素级注释的多神经元光学显微数据集，并定义了一套实例分割评估指标，以推动机器学习方法在捕捉长程数据依赖性方面的方法研究，并促进基础神经科学的科学发现。
发现论文，激发创造
  • 微结构中酵母细胞的实例分割数据集

    本文介绍了一个新的数据集，其中包含 493 张高密度显微镜图像，可用于分割微生物体的单个细胞和陷阱微结构的像素级别实例，同时提出了一个标准化的评估策略来促进新的细胞分割方法的发展。

    Apr, 2023

  • 用于高效标注核实例分割的少样本学习

    在这篇论文中，我们提出了一种基于元学习的结构引导广义少样本实例分割（SGFSIS）框架，用于有效标注细胞核实例分割。实验证明，SGFSIS 在少于 5％的标注数据情况下，优于其他注释效率学习方法，包括半监督学习和简单迁移学习，并且与完全监督学习相当。

    Feb, 2024

  • 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

  • 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

  • 基于弗雷内框架的三维曲线结构分割方法

    通过 Frenet-Frame-based 点云转换，FreSeg 提出了一个面向 3D 曲线结构的部分分割任务的框架，使模型能够学习更通用的特征，并在涉及细长和曲线几何形状的任务上取得了显著的性能改进。

    Apr, 2024

  • 荧光神经细胞 v2：显微镜深度学习的多任务、多格式标注

    Fluorescent Neuronal Cells v2 是一组荧光显微镜图像和相应的真实验证注释，旨在促进生命科学和深度学习领域的创新研究。

    Jul, 2023

  • NCIS：基于深色渐变地图回归和三类像素分类的 Nissl 染色组织学图像强化神经元实例分割

    本文提出了一种基于深度学习的端到端框架，用于自动分割染有尼氏小体的脑组织组织切片中的单个神经元细胞，并测试在细胞实例分割方面的性能表现优于其他深度学习方法。

    Jun, 2023

  • 电压成像的实时神经元分割

    在电压成像中，我们提出了一种快速神经元分割方法，能够从噪声视频帧中检测到多个可能重叠的尖峰神经元，并实现了包括所提出的分割方法和 GPU 加速的运动校正在内的数据处理流程。通过在现有数据集和新数据集上的测试，我们展示了我们的处理流程能够从混乱的数据集中提取与人工标注良好一致的神经元轮廓，并首次展示了在单台台式电脑上实现电压成像数据的实时处理。

    Mar, 2024

  • BFS-Net: 来自亮场显微镜 Z - 堆叠的弱监督细胞实例分割

    本文提出了一种新的两阶段弱监督方法，通过亚像素级的细胞核标记来进行亮场显微镜 (Z-Stack) 图像的三维细胞实例分割，并使用新的细微损失函数进行伪标签的改进。评估结果表明，该方法不仅适用于 BFM Z-Stack 数据，还适用于其他 3D 细胞成像模式，与完全监督方法相比，其主要优势是减少数据收集和标注的工作量。

    Jun, 2022

  • 3D-BEVIS: 鸟瞰视角实例分割

    本文介绍了一种基于点云的深度学习框架 3D-BEVIS，旨在对 3D 场景进行语义实例分割，通过将局部点几何和中间俯视图表示的全局环境信息相结合，以聚类的方式学习特征嵌入并将其分组成语义实例。

    Apr, 2019