VICE：神经环路错误的视觉识别与校正
计算机视觉与模式识别
2021-05-17 v1
摘要
在单突触分辨率下的神经元连接图可为科学家提供理解健康与疾病中神经系统的工具。近年来在脑电子显微镜（EM）数据集中的自动图像分割与突触预测方面的进展，使得在纳米尺度上重建神经元成为可能。然而，自动分割有时难以正确分割大型神经元，需要人力校对其输出。通用校对涉及检查大体积数据以在像素级纠正分割错误，这是一个视觉密集且耗时的过程。本文提出了一个简化校对流程、聚焦于连接相关错误的分析框架的设计与实现。我们通过自动化的可能错误检测和突触聚类来实现这一点，并以高度交互的3D可视化驱动校对工作。特别地，我们的策略以校对单个细胞的局部环路为中心，以确保基本的完整性水平。我们通过用户研究展示了框架的效用，并报告了来自用户的定量与主观反馈。总体而言，用户发现该框架在校对、理解演化图以及共享错误校正策略方面更为高效。
引用
@article{arxiv.2105.06861,
title = {VICE: Visual Identification and Correction of Neural Circuit Errors},
author = {Felix Gonda and Xueying Wang and Johanna Beyer and Markus Hadwiger and Jeff W. Lichtman and Hanspeter Pfister},
journal= {arXiv preprint arXiv:2105.06861},
year = {2021}
}
备注
This paper has been accepted for publication and presentation at the 23rd EG Conference on Visualization (EuroVis 2021)