利用FFT信号白化配准大体积连续切片电子显微镜图像集以进行神经环路重建
计算机视觉与模式识别
2017-11-21 v1
摘要
用于连接组学研究的神经解剖精细重建需要连续切片电子显微镜(ssEM)所提供的分辨率和大型三维数据捕获的结合。高通量ssEM成像与改进的组织制备方法的融合，现在允许ssEM捕获高达立方毫米尺度的完整标本体积。由此产生的多太字节图像集跨越数千个连续切片，必须被精确配准为连贯的体数据形式，以便在其中追踪和分割神经环路。本文介绍了由匹兹堡超级计算中心正在开发的信号白化傅里叶变换图像配准方法(SWiFT-IR)，以及其用于配准使用哈佛大学最近开发的晶圆映射器ssEM成像技术获取的鼠标和斑马鱼大脑数据集。与当前用于ssEM配准的其他方法不同，SWiFT-IR在图像匹配期间修改其空间频率响应，以最大化用作其对齐质量主要指标的信噪比度量。该对齐信号比仅相位或标准皮尔逊相关对生物内容的快速变化和不可避免的数据失真更具鲁棒性，从而允许更精确的对齐和统计置信度。这些改进进而实现了一种基于通过多个切片的投影而非更典型的相邻对匹配方法的迭代配准流程。该投影方法当与已知解剖约束相结合并以多分辨率金字塔方式迭代应用时，将对齐驱动为平滑形式，恰当地表示复杂且广泛变化的解剖内容，例如全横截面斑马鱼数据。
引用
@article{arxiv.1612.04787,
title = {Registering large volume serial-section electron microscopy image sets for neural circuit reconstruction using FFT signal whitening},
author = {Arthur W. Wetzel and Jennifer Bakal and Markus Dittrich and David G. C. Hildebrand and Josh L. Morgan and Jeff W. Lichtman},
journal= {arXiv preprint arXiv:1612.04787},
year = {2017}
}
备注
10 pages, 4 figures as submitted for the 2016 IEEE Applied Imagery and Pattern Recognition Workshop proceedings, Oct 18-20, 2016