面向连接组学的快速线粒体检测
计算机视觉与模式识别
2020-06-22 v2
摘要
高分辨率连接组学数据可用于识别与自闭症或双相情感障碍等多种疾病相关的功能异常线粒体。然而,由于数据集规模可达 PB 级,人工分析不可行。我们提出了一种基于改进 U-Net 架构的全自动线粒体检测器,具有高精度和快速处理的特点。我们在多个真实世界连接组学数据集上评估了该方法,包括一个改进版的 EPFL 线粒体基准。我们的结果显示,对于 512x512 像素的图像块,Jaccard 指数高达 0.90,推理时间低于 16 毫秒。该速度优于现代电子显微镜的采集速度,可实现实时线粒体检测。与以往工作相比,我们的检测器在实时检测方面排名第一,且数据、结果与代码均公开可用。
引用
@article{arxiv.1812.06024,
title = {Fast Mitochondria Detection for Connectomics},
author = {Vincent Casser and Kai Kang and Hanspeter Pfister and Daniel Haehn},
journal= {arXiv preprint arXiv:1812.06024},
year = {2020}
}