VICE: Visual Identification and Correction of Neural Circuit Errors
VICE: Visual Identification and Correction of Neural Circuit Errors
复制标题
VICE：神经回路错误的视觉识别和纠正
DOI：
10.1111/cgf.14320
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Pfister, H
中科院分区：
文献类型：
--
作者：
Gonda, F;Wang, S;Beyer, J;Lichtman, J;Pfister, H
单突触分辨率下的神经元连接图为科学家提供了了解健康和疾病中神经系统的工具。最近在脑的电子显微镜（EM）数据集中的自动图像分割和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，自动分割有时很难正确分割大型神经元，需要人工校对其输出。一般校对涉及检查大量数据，以纠正像素级的分割错误，这是一个视觉密集且耗时的过程。本文介绍了一个简化校对的分析框架的设计和实现，重点是与连接相关的错误。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，这些功能通过高度交互式的3D可视化来驱动校对工作。特别是，我们的策略集中在校对单个细胞的局部电路，以确保基本的完整性。我们展示了我们的框架的效用与用户的研究和报告定量和主观的反馈，我们的用户。总体而言，用户发现该框架在校对、理解不断变化的图形和共享纠错策略方面更有效。
A connectivity graph of neurons at the resolution of single synapses provides scientists with a tool for understanding the nervous system in health and disease. Recent advances in automatic image segmentation and synapse prediction in electron microscopy (EM) datasets of the brain have made reconstructions of neurons possible at the nanometer scale. However, automatic segmentation sometimes struggles to segment large neurons correctly, requiring human effort to proofread its output. General proofreading involves inspecting large volumes to correct segmentation errors at the pixel level, a visually intensive and time‐consuming process. This paper presents the design and implementation of an analytics framework that streamlines proofreading, focusing on connectivity‐related errors. We accomplish this with automated likely‐error detection and synapse clustering that drives the proofreading effort with highly interactive 3D visualizations. In particular, our strategy centers on proofreading the local circuit of a single cell to ensure a basic level of completeness. We demonstrate our framework's utility with a user study and report quantitative and subjective feedback from our users. Overall, users find the framework more efficient for proofreading, understanding evolving graphs, and sharing error correction strategies.
登录
查看更多内容
影响因子：
3.5
作者：
Plaza SM;Funke J
通讯作者：
Funke J
影响因子：
0.2
作者：
C. Black
通讯作者：
C. Black
影响因子：
3.5
作者：
Berger DR;Seung HS;Lichtman JW
通讯作者：
Lichtman JW
使用多束 SEM 对 1 mm 3 体积的大鼠皮层进行成像
影响因子：
2.8
作者：
R. Schalek;Dongil Lee;N. Kasthuri;A. Peleg;T. Jones;V. Kaynig;D. Haehn;Hanspeter Pfister;D. Cox;J. Lichtman
通讯作者：
J. Lichtman
DOI：
10.1109/cvpr.2018.00971
发表时间：
2017-04
期刊：
2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
D. Haehn;V. Kaynig;J. Tompkin;J. Lichtman;H. Pfister
通讯作者：
D. Haehn;V. Kaynig;J. Tompkin;J. Lichtman;H. Pfister