具有局部拓扑约束的高效二维神经元边界分割
计算机视觉与模式识别
2020-02-05 v1
摘要
我们提出一种在二维电子显微镜图像中分割神经元膜的方法。该分割任务一直是脑突触回路重建工作的瓶颈。一个常见问题是模糊膜碎片被误分类为细胞内部,从而通过模糊膜区域将两个相邻神经元区段合并为一个。人类标注者可通过隐式执行间隙补全、考虑膜的连续性来轻松避免此类错误。受这些人类策略启发,我们将分割任务表述为图上的边标记问题,并带有局部拓扑约束。我们推导出一个整数线性规划(ILP),该规划强制膜连续性即无间隙。ILP 的代价函数是分割与从数据导出的先验膜概率的逐像素偏差。基于使用随机森林分类器和卷积神经网络获得的膜概率图,我们的方法相比多种标准分割方法提升了神经元边界分割精度。我们的方法成功执行间隙补全并导致更少的拓扑错误。该方法也可能被纳入其他具有已知拓扑约束的图像分割流程中。
引用
@article{arxiv.2002.01036,
title = {Efficient 2D neuron boundary segmentation with local topological constraints},
author = {Thanuja D. Ambegoda and Matthew Cook},
journal= {arXiv preprint arXiv:2002.01036},
year = {2020}
}
备注
Presented at the Connectomics Workshop - Neural Information Processing Systems (NIPS), December 10th, 2016 - Barcelona, Spain