基于图全局推理与辅助骨架损失的3D光学显微镜图像单神经元分割
图像与视频处理
2021-01-25 v1 计算机视觉与模式识别
摘要
从三维（3D）光学显微镜图像中提高单神经元精确重建的关键步骤之一是神经元结构分割。然而，由于图像质量不佳，它们往往难以分割。尽管已有系列尝试将卷积神经网络（CNNs）应用于该任务，但由于忽视了图状管状神经结构的非局部特征，噪声与断裂间隙仍难以缓解。因此，我们提出了一种端到端分割网络，通过图推理与基于骨架的辅助损失联合考虑局部表观与全局几何特性。在 BigNeuron 项目的 Janelia 数据集上的评估结果表明，我们所提方法的性能超越了同类算法。
引用
@article{arxiv.2101.08910,
title = {Single Neuron Segmentation using Graph-based Global Reasoning with Auxiliary Skeleton Loss from 3D Optical Microscope Images},
author = {Heng Wang and Yang Song and Chaoyi Zhang and Jianhui Yu and Siqi Liu and Hanchuan Peng and Weidong Cai},
journal= {arXiv preprint arXiv:2101.08910},
year = {2021}
}
备注
5 pages, 3 figures, 2 tables, ISBI2021