連続断面電子顕微鏡からの画像の正確なアラインメントのためのペタスケールパイプライン【JST・京大機械翻訳】

Popovych, S.; Macrina, T.; Kemnitz, N.; Castro, M. A.; Nehoran, B.; Jia, Z.; Bae, J. A.; Mitchell, E.; Mu, S.; Trautman, E. T.; Saalfeld, S.; Li, K.; Seung, H. S.

プレプリント

J-GLOBAL ID：202202213161817129 整理番号：22P0319265

連続断面電子顕微鏡からの画像の正確なアラインメントのためのペタスケールパイプライン【JST・京大機械翻訳】

Petascale pipeline for precise alignment of images from serial section electron microscopy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2022年03月27日プレプリントサーバーでの情報更新日： 2022年03月27日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

連続断面電子顕微鏡(ssEM)画像からの神経回路の再構成は自動画像セグメンテーション法によって加速されている。セグメンテーション精度は3D画像スタックを生成するために2D断面画像を整列させる先行段階によって制限されることが多い。画像アーチファクトの存在における正確でロバストなアラインメントは,特にデータセットがペタスケールを達成しているので,挑戦的である。いくつかのキー要素でssEM画像を整列するための計算パイプラインを提示した。自己監督畳込みネットを,画像対を符号化し,整列するためのメトリック学習を介して訓練し,それらをアラインメントの反復微調整を初期化するために使用する。ベクトル投票と呼ばれる手順は,画像アーチファクトまたは欠落画像データに対するロバスト性を増加させる。高速化のために,このシリーズを,アラインメントのために計算作業者に分散するブロックに分割した。ブロックは,減衰による変換を構成することによって互いに整列し,時間のかかる大域的最適化に頼ることなく大域的アラインメントを達成した。このパイプラインを全フライ脳データセットに適用し,最先端技術と比較して精度の向上を示した。また,このパイプラインはマウス視覚皮質の立方ミリメートルにスケールすることも示した。このパイプラインは,2つのオープンソースPythonパッケージを通して公的に利用できる。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 医用画像処理

前のページに戻る