用于电子显微镜分割的上下文感知延迟凝聚框架
计算机视觉与模式识别
2015-06-09 v5
摘要
近年来，电子显微镜（EM）图像（或体数据）分割作为连接组学的一种工具变得非常重要。本文提出了一种新颖的EM分割凝聚框架。具体而言，给定一个过分割的图像或体数据，我们提出了一种新颖的框架来准确聚类同一神经元的区域。与现有的凝聚方法不同，所提出的上下文感知算法将不同生物实体的超像素（过分割区域）划分为不同的子集，并分别进行凝聚。此外，本文描述了一种用于凝聚聚类的“延迟”方案，该方案推迟了一些与新形成体相关的合并决策，以生成更可靠的边界预测。我们报告了所提方法在2D和3D数据集上相比现有标准方法在分割精度上的显著改进。
引用
@article{arxiv.1406.1476,
title = {A Context-aware Delayed Agglomeration Framework for Electron Microscopy Segmentation},
author = {Toufiq Parag and Anirban Chakraborty and Stephen Plaza and Lou Scheffer},
journal= {arXiv preprint arXiv:1406.1476},
year = {2015}
}