通过C-fos即刻早期基因表达检测神经活动的高级图像分割技术
计算机视觉与模式识别
2025-03-12 v2
摘要
本文研究了应用高级图像分割技术来分析C-fos即刻早期基因表达，这是神经活动的一个关键标志物。由于神经回路的高度复杂性和可变性，对C-fos图像的精确分割对于发展对神经功能的新见解至关重要。在此背景下，本研究旨在通过利用卷积神经网络和Unet模型的能力，提高C-fos图像分割的准确性并最大限度地减少人工干预。我们描述了一种涉及卷积神经网络和Unet模型的分割过程的新工作流程的开发，展示了它们在各种图像分割任务中的效率。我们的工作流程结合了预处理步骤，如裁剪、图像特征提取和用于训练数据集选择的聚类。我们使用自编码器模型提取特征，并实施约束聚类以识别图像类型中的相似性和差异性。此外，我们利用手动和自动标记方法来增强我们模型的性能。我们证明了我们的方法在区分具有显著C-fos表达的区域与正常组织区域方面的有效性。最后，我们实现了一个改进的Unet网络用于检测C-fos表达。这项研究有助于开发更高效、自动化的图像分割方法，推动神经科学研究中对神经功能的理解。
引用
@article{arxiv.2312.08177,
title = {Advanced Image Segmentation Techniques for Neural Activity Detection via C-fos Immediate Early Gene Expression},
author = {Peilin Cai},
journal= {arXiv preprint arXiv:2312.08177},
year = {2025}
}
备注
The paper has major omissions, a factual error in the description of UNet in the illustration on the second page, and extra printing on the last page, which is terrible. The original document is also lost and cannot be modified