大规模数据集上的全自动突触预测与验证
计算机视觉与模式识别
2016-04-12 v1
摘要
从电子显微镜（EM）数据集中提取连接组需要识别神经元并确定神经元之间的突触。由于手动提取该信息非常耗时，已有大量研究工作自动分割神经元以辅助并最终替代手动追踪。直到最近，关于自动检测神经元间实际突触的研究相对较少。这种差异部分可归因于几个因素：获取神经元形状是提取连接组的先决步骤，手动追踪比注释突触耗时得多，以及神经元接触面积可用作确定连接时突触的代理。然而，近期研究表明，仅接触面积不足以预测突触连接。此外，随着分割的改进，我们观察到突触注释在整体重建时间中消耗了更大比例。随着分割的改进，该比例只会更糟，限制了整体可能的加速。因此，我们通过开发自动检测突触前神经元及其突触后伙伴的算法来解决此问题。特别地，突触前结构使用深度宽多尺度递归网络（Deep and Wide Multiscale Recursive Network）检测，突触后伙伴使用以局部分割为条件的特征的MLP检测。这项工作的新颖之处在于它需要最少量的训练，直接利用图像分割的进展，并提供多联突触检测的完整解决方案。我们进一步引入新指标，在具有有意义规模的连接组上评估我们的算法。这些指标表明，完全自动预测可用于有效正确表征大多数连接。
引用
@article{arxiv.1604.03075,
title = {Fully-Automatic Synapse Prediction and Validation on a Large Data Set},
author = {Gary B. Huang and Louis K. Scheffer and Stephen M. Plaza},
journal= {arXiv preprint arXiv:1604.03075},
year = {2016}
}