基于计算解剖学随机轨道模型的整脑连续切片组织学变分解法
图像与视频处理
2019-03-06 v1
摘要
本文提出了一种在20微米中尺度上对高通量组织学切片栈进行稠密微分同胚图谱映射的变分框架。观测切片被建模为高斯随机场，其条件依赖于一系列未知的逐切片刚体运动以及三维图谱的未知微分同胚变换。为了对我们参数空间（刚体运动维数与微分同胚维数的乘积空间）的高维性进行正则化，组织学切片栈被建模为源于一阶Sobolev空间光滑先验。我们证明了我们高维参数空间的联合最大后验、惩罚似然估计器表现为一种联合优化，该优化将用于组织学重堆叠的刚体运动估计与到大尺度变形微分同胚度量映射至图谱坐标交织在一起。我们表明，该参数空间中的联合优化解决了组织学堆叠问题的经典曲率不可辨识性。该算法在来自小鼠脑结构计划的一组全脑组织学图像栈上进行了演示。
引用
@article{arxiv.1802.03453,
title = {On variational solutions for whole brain serial-section histology using the computational anatomy random orbit model},
author = {Brian C. Lee and Daniel J. Tward and Partha P. Mitra and Michael I. Miller},
journal= {arXiv preprint arXiv:1802.03453},
year = {2019}
}