TriSAM：用于VEM图像中零样本皮层血管分割的三平面SAM
计算机视觉与模式识别
2024-08-16 v4
摘要
尽管宏观和中观尺度的成像技术已获得大量关注和资源，但能够揭示复杂血管细节的微观尺度体积电子显微镜（vEM）成像却一直缺乏必要的基准测试基础设施。在本文中，我们通过引入首个同类公开基准BvEM，填补了神经成像领域的这一重大空白，该基准专为vEM图像中的皮层血管分割而设计。我们的BvEM基准基于三种哺乳动物（成年小鼠、猕猴和人类）的vEM图像体积。我们标准化了分辨率，解决了成像差异，并通过半自动、手动和质量控制流程精心标注了血管，确保了高质量的3D分割。此外，我们开发了一种名为TriSAM的零样本皮层血管分割方法，该方法利用强大的分割模型SAM进行3D分割。为了将SAM从2D扩展到3D体积分割，TriSAM采用了一种多种子跟踪框架，利用某些图像平面的可靠性进行跟踪，同时使用其他平面来识别潜在的转折点。这种方法有效地实现了无需模型训练或微调的长期3D血管分割。实验结果表明，TriSAM在BvEM基准上跨三个物种均取得了优越的性能。我们的数据集、代码和模型可在 https://jia-wan.github.io/bvem 在线获取。
引用
@article{arxiv.2401.13961,
title = {TriSAM: Tri-Plane SAM for zero-shot cortical blood vessel segmentation in VEM images},
author = {Jia Wan and Wanhua Li and Jason Ken Adhinarta and Atmadeep Banerjee and Evelina Sjostedt and Jingpeng Wu and Jeff Lichtman and Hanspeter Pfister and Donglai Wei},
journal= {arXiv preprint arXiv:2401.13961},
year = {2024}
}
备注
BvEM-Mouse can be visualized at: https://tinyurl.com/yc2s38x9