NucMM 数据集：亚立方毫米尺度的三维神经元细胞核实例分割

从显微图像体数据中分割三维细胞核对于生物学和临床分析至关重要，可用于研究细胞表达模式和细胞谱系。然而，当前用于神经元细胞核的数据集通常包含的体数据小于 $10^{\text{-}3}\ mm^3$，且每个体数据中实例少于 500 个，无法揭示大脑大区域的复杂性，并限制了神经元结构的研究。在本文中，我们将该任务推进到亚立方毫米尺度，并构建了 NucMM 数据集，其中包含两个完全标注的体数据：一个 $0.1\ mm^3$ 电子显微镜（EM）体数据，包含近乎完整的斑马鱼大脑，约有 170,000 个细胞核；以及一个 $0.25\ mm^3$ 微计算机断层扫描（uCT）体数据，包含小鼠视觉皮层的一部分，约有 7,000 个细胞核。凭借两种成像模态以及显著增大的体数据尺寸和实例数量，我们发现了神经元细胞核在外观和密度上的巨大多样性，为该领域带来了新的挑战。我们还进行了统计分析以定量说明这些挑战。为应对这些挑战，我们提出了一种新颖的混合表示学习模型，该模型结合了前景掩码、轮廓图和带符号距离变换的优点，以生成高质量的三维掩码。在 NucMM 数据集上的基准比较表明，我们提出的方法显著优于最先进的细胞核分割方法。代码和数据可在 https://connectomics-bazaar.github.io/proj/nucMM/index.html 获取。