大型电子显微镜数据集中的突触标注
定量方法
2014-12-05 v2 计算机视觉与模式识别
神经元与认知
摘要
在突触层面重建神经回路是神经科学的核心问题，也是新兴的连接组学 (connectomics) 领域的焦点。迄今为止，电子显微镜 (EM) 是识别和量化突触连接最成熟的技术。随着电子显微镜技术的进步使得获取更大数据集成为可能，随后的手动突触识别（即校对）用于解码连接组成为了主要的时间瓶颈。在此，我们介绍了一种大规模、高通量且半自动化的方法，以高效地识别突触。我们成功地将该方法应用于果蝇髓质视叶，标注的突触数量远超以往的连接组工作。我们的方法具有可扩展性，将使通常复杂的突触识别过程能够被更广泛的潜在校对社区所使用。
引用
@article{arxiv.1409.1801,
title = {Annotating Synapses in Large EM Datasets},
author = {Stephen M. Plaza and Toufiq Parag and Gary B. Huang and Donald J. Olbris and Mathew A. Saunders and Patricia K. Rivlin},
journal= {arXiv preprint arXiv:1409.1801},
year = {2014}
}