Synapse-Aware Skeleton Generation for Neural Circuits
Synapse-Aware Skeleton Generation for Neural Circuits
复制标题
神经回路的突触感知骨架生成
DOI：
10.1007/978-3-030-32239-7_26
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Pfister, Hanspeter
中科院分区：
文献类型：
--
作者：
Matejek, Brian;Wei, Donglai;Wang, Xueying;Zhao, Jinglin;Palagyi, Kalman;Pfister, Hanspeter
重建的TB和PB电子显微镜图像体积包含完全分段的神经元，其分辨率足以识别每个突触连接。在手动或自动重建之后，神经科学家希望提取接线图和连接信息，以便在更高层次上分析数据。尽管在图像采集、神经元分割和突触检测技术方面取得了重大进展，但所提取的接线图仍然相当粗糙，并且通常没有考虑密集重建体积中的丰富信息。我们提出了一种突触感知骨架生成策略，将重建的体积转换为信息丰富但抽象的格式，神经科学家可以进行生物分析和运行模拟。我们的方法扩展了现有的拓扑细化策略，并保证骨架端点和突触之间的一一对应，同时生成重要的几何统计神经元过程。我们在三个大规模的连接数据集上展示了我们的结果，并与当前最先进的神经网络化算法进行了比较。
Reconstructed terabyte and petabyte electron microscopy image volumes contain fully-segmented neurons at resolutions fine enough to identify every synaptic connection. After manual or automatic reconstruction, neuroscientists want to extract wiring diagrams and connectivity information to analyze the data at a higher level. Despite significant advances in image acquisition, neuron segmentation, and synapse detection techniques, the extracted wiring diagrams are still quite coarse, and often do not take into account the wealth of information in the densely reconstructed volumes. We propose a synapse-aware skeleton generation strategy to transform the reconstructed volumes into an information-rich yet abstract format on which neuroscientists can perform biological analysis and run simulations. Our method extends existing topological thinning strategies and guarantees a one-to-one correspondence between skeleton endpoints and synapses while simultaneously generating vital geometric statistics on the neuronal processes. We demonstrate our results on three large-scale connectomic datasets and compare against current state-of-the-art skeletonization algorithms.
登录
查看更多内容
影响因子：
3.7
作者：
Parag T;Chakraborty A;Plaza S;Scheffer L
通讯作者：
Scheffer L
利用 Petavoxel 电子显微镜数据进行自动神经重建
影响因子：
2.8
作者：
Adi Suissa;D. Haehn;Seymour Knowles;V. Kaynig;T. Jones;A. Wilson;R. Schalek;J. Lichtman;H. Pfister
通讯作者：
H. Pfister
影响因子：
3.5
作者：
Zhao T;Olbris DJ;Yu Y;Plaza SM
通讯作者：
Plaza SM
基于地峡的顺序3D曲线细化算法
DOI：
10.1007/978-3-319-14364-4_39
发表时间：
2014
期刊：
--
影响因子：
--
作者：
K. Palágyi
通讯作者：
K. Palágyi