通过深度学习开发脑图谱
计算机视觉与模式识别
2019-06-10 v2 机器学习
图像与视频处理
摘要
神经科学家已投入大量精力创建标准脑参考图谱,用于感兴趣解剖区域的高通量配准。然而,个体间脑尺寸与形态的差异对此类参考图谱提出了重大挑战。为克服这些局限,我们引入了一种基于深度神经网络的完全自动化方法(SeBRe),通过最少的人为监督分割感兴趣脑区来实现配准。我们在来自不同小鼠发育时间点、跨越一系列神经元标记和成像模态的脑图像上证明了我们方法的有效性。我们进一步在MR扫描的人脑图像上评估了方法的性能。我们的配准方法可加速脑发育中区域特异性变化的全脑探索,并且通过简单分割感兴趣脑区以进行高通量全脑分析,提供了现有复杂脑配准技术的替代方案。
引用
@article{arxiv.1807.03440,
title = {Developing Brain Atlas through Deep Learning},
author = {Asim Iqbal and Romesa Khan and Theofanis Karayannis},
journal= {arXiv preprint arXiv:1807.03440},
year = {2019}
}
备注
31 pages, 17 figures, 1 Table