基于三维小波集成编码-解码网络的神经元分割
图像与视频处理
2021-11-09 v2 计算机视觉与模式识别
摘要
动机：三维神经元分割是神经元数字重建的关键步骤，对探索脑回路和理解脑功能至关重要。然而，神经元细线状神经纤维可能大面积延伸，给神经元分割带来巨大计算成本。同时，强噪声和断裂的神经纤维给该任务带来巨大挑战。结果：本文提出一种基于三维小波和深度学习的三维神经元分割方法。首先将神经元图像划分为神经元立方体以简化分割任务。然后，我们设计三维WaveUNet，即首个三维小波集成编码-解码网络，用于分割立方体中的神经纤维；小波可辅助深度网络抑制数据噪声并连接断裂纤维。我们还使用现有最大标注神经元图像数据集BigNeuron生成神经元立方体数据集（NeuCuDa）来训练三维WaveUNet。最后，将立方体中分割出的神经纤维组装生成完整神经元，并使用现有自动追踪算法进行数字重建。实验结果表明，我们的神经元分割方法能在含噪神经元图像中完整提取目标神经元。集成的三维小波能有效提升三维神经元分割与重建性能。可用性：本工作的数据和代码可在 https://github.com/LiQiufu/3D-WaveUNet 获取。
引用
@article{arxiv.2106.00259,
title = {Neuron segmentation using 3D wavelet integrated encoder-decoder network},
author = {Qiufu Li and Linlin Shen},
journal= {arXiv preprint arXiv:2106.00259},
year = {2021}
}
备注
Bioinformatics accepted paper