Semi-automated neuron boundary detection and nonbranching process segmentation in electron microscopy images.
Semi-automated neuron boundary detection and nonbranching process segmentation in electron microscopy images.
复制标题
DOI：
10.1007/s12021-012-9149-y
复制
发表时间：
2013-01
期刊：
影响因子：
3
通讯作者：
Tasdizen, Tolga
中科院分区：
文献类型：
--
作者：
Jurrus, Elizabeth;Watanabe, Shigeki;Giuly, Richard J.;Paiva, Antonio R. C.;Ellisman, Mark H.;Jorgensen, Erik M.;Tasdizen, Tolga
关键词：
神经科学家正在开发新的成像技术并生成大量数据，以努力了解神经系统的复杂结构。这些数据的复杂性和规模使得人工解读成为一项劳动密集型任务。为了辅助分析，需要新的分割技术来识别这些特征丰富的数据集中的神经元。本文提出了一种在电子显微镜图像中进行神经元边界检测和非分支过程分割，并将其三维可视化的方法。它将自动分割技术与图形用户界面相结合，以纠正自动过程中的错误。这个自动化的过程首先使用机器学习和图像处理技术来识别在每个二维切片中分隔细胞的神经细胞膜。为了分割非分支过程，每个二维截面中的单元区使用截面之间的区域相关性在3D中连接。这种方法与专门为此目的设计的图形用户界面相结合，使用户能够快速分割大容量的细胞过程。
Neuroscientists are developing new imaging techniques and generating large volumes of data in an effort to understand the complex structure of the nervous system. The complexity and size of this data makes human interpretation a labor-intensive task. To aid in the analysis, new segmentation techniques for identifying neurons in these feature rich datasets are required. This paper presents a method for neuron boundary detection and nonbranching process segmentation in electron microscopy images and visualizing them in three dimensions. It combines both automated segmentation techniques with a graphical user interface for correction of mistakes in the automated process. The automated process first uses machine learning and image processing techniques to identify neuron membranes that deliniate the cells in each two-dimensional section. To segment nonbranching processes, the cell regions in each two-dimensional section are connected in 3D using correlation of regions between sections. The combination of this method with a graphical user interface specially designed for this purpose, enables users to quickly segment cellular processes in large volumes.
登录
查看更多内容
DOI：
10.1109/tvcg.2009.178
发表时间：
2009-11
影响因子：
5.2
作者：
Jeong WK;Beyer J;Hadwiger M;Vazquez A;Pfister H;Whitaker RT
通讯作者：
Whitaker RT
影响因子：
5.7
作者：
ALLEN, BA;LEVINTHAL, C
通讯作者：
LEVINTHAL, C
影响因子：
9.8
作者：
Anderson JR;Jones BW;Yang JH;Shaw MV;Watt CB;Koshevoy P;Spaltenstein J;Jurrus E;U V K;Whitaker RT;Mastronarde D;Tasdizen T;Marc RE
通讯作者：
Marc RE
影响因子：
56.9
作者：
Betzig, Eric;Patterson, George H.;Hess, Harald F.
通讯作者：
Hess, Harald F.
影响因子：
9.8
作者：
Denk W;Horstmann H
通讯作者：
Horstmann H