Spark中的大规模电子显微镜图像分割
定量方法
2016-04-04 v1 计算机视觉与模式识别
摘要
新兴的连接组学领域旨在通过理解神经元之间的连接性来解开大脑之谜。为绘制此连接性，我们获取数千张纳米级分辨率的电子显微镜（EM）图像。对齐这些图像后，所得数据集有潜力揭示神经元的形状及其间的突触连接。然而，即便对果蝇等微小生物的大脑成像也会产生太字节数据。检查此类图像体并追踪其神经元连接可能需数年人工努力。一种解决方案是应用图像分割算法以帮助自动化追踪任务。本文中，我们提出一种新策略，在超出单机容量的大规模数据集上应用此类分割。我们的解决方案对潜在的分割错误具有鲁棒性，否则这些错误会严重损害整体分割质量，例如那些由于分类器泛化性差或图像数据集中的异常所引起的错误。我们在最小化磁盘I/O的Spark应用中实现算法，并将其应用于几个大型EM数据集，揭示了其有效性与可扩展性。我们希望通过提供1）易于在不同集群环境部署的灵活插件架构，以及2）可能促进新进展的分割内存表示，来鼓励外部对EM分割的贡献。
引用
@article{arxiv.1604.00385,
title = {Large-Scale Electron Microscopy Image Segmentation in Spark},
author = {Stephen M. Plaza and Stuart E. Berg},
journal= {arXiv preprint arXiv:1604.00385},
year = {2016}
}