SANTIAGO：面向神经元拓扑改善和图优化的树突棘关联方法

开发从电子显微图像重建大脑接线图的自动化和半自动化解决方案，对于推进连接组学领域至关重要。尽管最终目标是生成神经元连接图，但大多数先前的自动化方法侧重于体积分割，而非显式的图估计。在这些方法中，一个关键且常见的错误模式是树突轴-棘突断裂。我们假定，直接解决这个连接识别问题可能为估计更精确的脑图提供关键洞见。为此，我们开发了一种受生物学先验图像语法启发的、以网络为中心的方法。我们构建了一个计算机视觉流程，使用全自动和半自动方法将断裂的棘突重新连接到其母树突上。我们的实验表明，即使分割路径不确定，我们也能学习到有效的连接。我们整理了首个已知的参考数据集，用于分析各种树突棘-轴算法的性能，并展示了恢复许多先前丢失连接的有希望的结果。我们的自动化方法将局部子图得分提高了四倍以上，将全图得分提高了60%。这些数据、结果和评估工具均向更广泛的科学界开放。这种对连接组学问题的重构，展示了一种语义的、受生物学启发的解决方案，以补救神经元追踪中的一个主要问题。