Automated detection of synapses in serial section transmission electron microscopy image stacks.
Automated detection of synapses in serial section transmission electron microscopy image stacks.
复制标题
DOI：
10.1371/journal.pone.0087351
复制
发表时间：
2014
期刊：
影响因子：
3.7
通讯作者：
Hamprecht FA
中科院分区：
文献类型：
--
作者：
Kreshuk A;Koethe U;Pax E;Bock DD;Hamprecht FA
我们描述了一种完全自动化检测化学突触的方法，在串行电子显微镜图像具有高度各向异性的轴向和横向分辨率，如图像上采取的透射电子显微镜。我们的流水线从基于3D像素特征的像素分类开始，然后是基于对象级特征的Ising模型MRF分割和另一个分类步骤。分类器是在稀疏的用户标签上学习的;训练不需要完全注释的数据子体积。该算法在小鼠视觉皮层的20个连续7197×7351像素图像（4.5×4.5×45 nm分辨率）中的一组238个突触上进行了验证，这些图像由三名独立的人类注释者手动标记，并由一名专家神经科学家重新验证。该算法的错误率（12%的假阴性，7%的假阳性检测）是优于国家的最先进的，即使，不像国家的最先进的方法，我们的算法不需要预先分割的图像体积成细胞。该软件基于ilastik学习和分割工具包和vigra图像处理库，可在我们的网站上免费获得，沿着测试数据和黄金标准注释（http：//www.ilastik.org/synapse-detection/sstem）。
We describe a method for fully automated detection of chemical synapses in serial electron microscopy images with highly anisotropic axial and lateral resolution, such as images taken on transmission electron microscopes. Our pipeline starts from classification of the pixels based on 3D pixel features, which is followed by segmentation with an Ising model MRF and another classification step, based on object-level features. Classifiers are learned on sparse user labels; a fully annotated data subvolume is not required for training. The algorithm was validated on a set of 238 synapses in 20 serial 7197×7351 pixel images (4.5×4.5×45 nm resolution) of mouse visual cortex, manually labeled by three independent human annotators and additionally re-verified by an expert neuroscientist. The error rate of the algorithm (12% false negative, 7% false positive detections) is better than state-of-the-art, even though, unlike the state-of-the-art method, our algorithm does not require a prior segmentation of the image volume into cells. The software is based on the ilastik learning and segmentation toolkit and the vigra image processing library and is freely available on our website, along with the test data and gold standard annotations (http://www.ilastik.org/synapse-detection/sstem).
登录
查看更多内容
影响因子：
3
作者：
Jurrus, Elizabeth;Watanabe, Shigeki;Giuly, Richard J.;Paiva, Antonio R. C.;Ellisman, Mark H.;Jorgensen, Erik M.;Tasdizen, Tolga
通讯作者：
Tasdizen, Tolga
影响因子：
64.8
作者：
Bock, Davi D.;Lee, Wei-Chung Allen;Kerlin, Aaron M.;Andermann, Mark L.;Hood, Greg;Wetzel, Arthur W.;Yurgenson, Sergey;Soucy, Edward R.;Kim, Hyon Suk;Reid, R. Clay
通讯作者：
Reid, R. Clay
影响因子：
4.3
作者：
Busse, Brad;Smith, Stephen
通讯作者：
Smith, Stephen
影响因子：
10.9
作者：
Andres, Bjoern;Koethe, Ullrich;Hamprecht, Fred A.
通讯作者：
Hamprecht, Fred A.
影响因子：
48
作者：
Helmstaedter, Moritz
通讯作者：
Helmstaedter, Moritz