基于全卷积网络的快速简单钙成像分割
计算机视觉与模式识别
2017-07-21 v1 神经元与认知
摘要
钙成像是通过随时间显示指示剂荧光的一系列图像来观察神经元活动的一种技术。人工分割神经元非常耗时，因此催生了关于自动化钙成像分割 (ACIS) 的研究。我们在 Neurofinder 竞赛数据集上评估了多种用于 ACIS 的深度学习模型，并报告了我们的最佳模型：U-Net2DS，一种在二维平均摘要图像上运行的全卷积网络。U-Net2DS 需要最少的特定领域预处理/后处理和参数调整，并且可以在每分钟约 9K 张图像的速度下对完整的 图像进行预测。它在 Neurofinder 竞赛中排名第三 ()，并且是唯一一个完全使用深度学习的最佳模型。我们还在竞赛外部数据上展示了有用的分割结果。该模型的简单性、速度和质量结果使其成为 ACIS 的实用选择，并为未来更复杂的模型提供了强有力的基线。
引用
@article{arxiv.1707.06314,
title = {Fast, Simple Calcium Imaging Segmentation with Fully Convolutional Networks},
author = {Aleksander Klibisz and Derek Rose and Matthew Eicholtz and Jay Blundon and Stanislav Zakharenko},
journal= {arXiv preprint arXiv:1707.06314},
year = {2017}
}
备注
Accepted to 3rd Workshop on Deep Learning in Medical Image Analysis (http://cs.adelaide.edu.au/~dlmia3/)