PointNeuron：基于点云几何与拓扑学习的3D神经元重建
计算机视觉与模式识别
2022-10-19 v2
摘要
从3D显微图像中进行数字神经元重建是研究脑连接组学与神经元形态学的一项关键技术。现有的重建框架在使用追踪算法之前，采用基于卷积的分割网络从噪声背景中分割出神经元。追踪结果对原始图像质量与分割精度十分敏感。本文提出一种新颖的3D神经元重建框架。我们的核心思想是利用点云的几何表示能力更好地挖掘神经元的内在结构信息。我们所提出的框架采用一个图卷积网络预测神经骨架点，并采用另一个图卷积网络生成这些点的连接关系。我们最终通过解释预测的点坐标、半径与连接关系来生成目标SWC文件。在BigNeuron项目的Janelia-Fly数据集上评估，我们表明我们的框架取得了具有竞争力的神经元重建性能。我们对点云的几何与拓扑学习可进一步惠及3D医学图像分析，例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 获取。
引用
@article{arxiv.2210.08305,
title = {PointNeuron: 3D Neuron Reconstruction via Geometry and Topology Learning of Point Clouds},
author = {Runkai Zhao and Heng Wang and Chaoyi Zhang and Weidong Cai},
journal= {arXiv preprint arXiv:2210.08305},
year = {2022}
}
备注
WACV 2023