FISBe：用于长程细丝状结构实例分割的真实世界基准数据集

在神经系统的体积光学显微镜图像中对神经元进行实例分割，通过实现细胞分辨率下神经回路的功能和形态联合分析，促进了神经科学的突破性研究。然而，这种多神经元光学显微镜数据对于实例分割任务表现出极具挑战性的特性：单个神经元具有长程、细丝状和广泛分支的形态，多个神经元紧密交织，部分体积效应、不均匀照明和光学显微镜固有的噪声严重阻碍了局部解缠和单个神经元的长程追踪。这些特性反映了机器学习研究中当前的一个关键挑战，即有效捕获数据中的长程依赖关系。虽然相关方法论研究蓬勃发展，但迄今为止，方法通常是在合成数据集上进行基准测试。为了填补这一空白，我们发布了FlyLight实例分割基准（FISBe）数据集，这是第一个公开可用的具有像素级标注的多神经元光学显微镜数据集。此外，我们定义了一组用于基准测试的实例分割指标，这些指标被设计为对下游分析有意义。最后，我们提供了三个基线，以启动一项竞赛，我们设想这将推动机器学习领域在捕获长程数据依赖关系的方法论方面的进步，并促进基础神经科学中的科学发现。