NRTR：基于 Transformer 从三维光学显微图像进行神经元重建
计算机视觉与模式识别
2022-12-09 v1 人工智能
摘要
从原始光学显微（OM）图像栈进行神经元重建是神经科学的基础。人工标注与半自动神经元追踪算法耗时且低效。现有深度学习神经元重建方法虽展现出优异性能，却极大依赖复杂的基于规则的组件。因此，一个关键挑战是设计端到端的神经元重建方法，使整体框架更简单、模型训练更容易。我们提出神经元重建 Transformer（NRTR），其摒弃复杂的基于规则的组件，将神经元重建视为直接的集合预测问题。据我们所知，NRTR 是首个用于端到端神经元重建的图像到集合深度学习模型。在使用 BigNeuron 与 VISoR-40 数据集的实验中，NRTR 在综合基准上取得了优异的神经元重建结果，并优于具有竞争力的基线。大量实验结果表明，NRTR 有效地展示了将神经元重建视为集合预测问题，从而使端到端模型训练成为可能。
引用
@article{arxiv.2212.04163,
title = {NRTR: Neuron Reconstruction with Transformer from 3D Optical Microscopy Images},
author = {Yijun Wang and Rui Lang and Rui Li and Junsong Zhang},
journal= {arXiv preprint arXiv:2212.04163},
year = {2022}
}