XPRESS挑战赛：X射线投射组学重建——利用骨架提取分割
计算机视觉与模式识别
2023-02-28 v2 机器学习
神经元与认知
摘要
神经元的接线与连接构成了神经系统功能的structural基础。体电子显微镜（EM）和图像分割的进展已能够绘制小鼠脑局部区域内的回路图（连接组学）。然而，由于技术挑战，目前尚不可行在整个大脑上应用体EM。因此，脑区之间长距离连接的全面图谱仍然缺失。最近，我们证明了X射线全息纳米层析（XNH）能够以比EM大得多的尺度提供脑组织的图像。特别地，XNH非常适合解析构成长距离连接（投射）主体并对区域间通信至关重要的有髓轴突束（白质）。因此，XNH为全脑投射组学提供了成像解决方案。然而，由于XNH数据通常以比EM更低的分辨率和更大的视野采集，XNH图像的准确分割仍是一个重要挑战，我们在此提出该问题。在此任务中，我们提供来自小鼠脑皮质白质轴突的体XNH图像以及轴突轨迹的真实标注。体素级人工标注真实标注是训练分割网络的时间瓶颈。另一方面，基于骨架的真实标注标注速度快得多，且足以确定连接性。因此，我们鼓励参与者开发利用基于骨架训练的方法。为此，我们提供两类真实标注：小体积的体素级标注和较大体积的基于骨架的标注。参赛作品将根据提交分割与真实骨架标注的一致程度进行评估。
引用
@article{arxiv.2302.03819,
title = {The XPRESS Challenge: Xray Projectomic Reconstruction -- Extracting Segmentation with Skeletons},
author = {Tri Nguyen and Mukul Narwani and Mark Larson and Yicong Li and Shuhan Xie and Hanspeter Pfister and Donglai Wei and Nir Shavit and Lu Mi and Alexandra Pacureanu and Wei-Chung Lee and Aaron T. Kuan},
journal= {arXiv preprint arXiv:2302.03819},
year = {2023}
}
备注
6 pages, 2 figures