面向脊柱动物种类的通用神经节检测
计算机视觉与模式识别
2025-09-23 v1
摘要
生物体(无论健康或疾病)之间的行为差异与其神经电路结构密切相关。然而，导致这些差异的细尺度神经节变化仍鲜有了解，部分原因是可靠且大规模检测神经节持续存在挑战。容量电子显微镜(EM)具备捕捉神经节结构所需的分辨率，但自动化检测仍困难 due to 稀疏标注、形态变异以及跨数据集域迁移。为此，我们做了三个关键贡献。首先，我们策划了一个跨越四个数据集、两个脊柱动物种类的 EM 基准：成熟果蝇和果蝇幼虫，以及 Megaphragma viggianii（微型黄蜂）。其次，我们提出 SimpSyn，一个单阶段残差 U-Net，用于预测围绕突触前和突触后位点的双通道球形掩码，旨在优先考虑训练和推理速度以及标注效率，而非模型架构复杂度。最后，我们将 SimpSyn 与 Buhmann 等人提出的 Synful [1] 进行基准测试，该模型是联合推断突触对的多任务模型。尽管 SimpSyn 结构简单，但在所有体积的神经节位点检测中均优于 Synful。尽管跨数据集的泛化仍有限，SimpSyn 在组合整个队列训练时实现了竞争性的性能。最终，消融实验表明，简单的数据后处理策略——如局部峰检测和距离过滤——在无需复杂测试时序方法的情况下也能实现优异性能。综上所述，我们的结果表明，轻量级模型在与任务结构一致时，为大规模连接组学流水线中的神经节检测提供了实用且可扩展的解决方案。
引用
@article{arxiv.2509.17041,
title = {Towards Generalized Synapse Detection Across Invertebrate Species},
author = {Samia Mohinta and Daniel Franco-Barranco and Shi Yan Lee and Albert Cardona},
journal= {arXiv preprint arXiv:2509.17041},
year = {2025}
}