基于深度学习与高分辨率电镜数据理解斑马鱼神经通路
计算机视觉与模式识别
2018-09-05 v1
摘要
在大规模图像数据中追踪神经通路是一项极为繁琐耗时的过程，严重阻碍神经科学进展。我们正在探索深度学习自动分割高分辨率扫描电子显微镜（SEM）图像数据以清除该障碍的潜力。我们已从哈佛大脑科学中心采集的斑马鱼幼体全脑连续切片（5.1GB）的神经通路追踪入手。此类手动图像分割需数年细致工作才能正确追踪体长仅约 5mm 的斑马鱼幼体中的神经通路。若使该过程自动化，我们将大幅提升生产力，从而加速数据分析并突破对大脑复杂性的理解。我们将在先前使用深度学习进行自动图像分割的尝试基础上，扩展用于非常规深度学习数据的方法。
引用
@article{arxiv.1809.00084,
title = {Understanding Neural Pathways in Zebrafish through Deep Learning and High Resolution Electron Microscope Data},
author = {Ishtar Nyawira and Kristi Bushman and Iris Qian and Annie Zhang},
journal= {arXiv preprint arXiv:1809.00084},
year = {2018}
}
备注
8 pages, 5 figures (1a to 5c), PEARC '18: Practice and Experience in Advanced Research Computing, July 22--26, 2018, Pittsburgh, PA, USA