Detection of neuron membranes in electron microscopy images using multi-scale context and radon-like features.
Detection of neuron membranes in electron microscopy images using multi-scale context and radon-like features.
复制标题
使用多尺度背景和类氡特征检测电子显微镜图像中的神经元膜。
DOI：
10.1007/978-3-642-23623-5_84
复制
发表时间：
2011
期刊：
影响因子：
--
通讯作者：
Tasdizen, Tolga
中科院分区：
文献类型：
--
作者：
Seyedhosseini, Mojtaba;Kumar, Ritwik;Jurrus, Elizabeth;Giuly, Rick;Ellisman, Mark;Pfister, Hanspeter;Tasdizen, Tolga
关键词：
通过电子显微镜（EM）图像自动重建神经回路是一个具有挑战性的问题。在本文中，我们提出了一种新的方法，利用多尺度的上下文信息与Radon-like功能（RLF）一起学习一系列的区分原生模型。其主要思想是建立一个框架，这是能够提取信息的EM图像的一个大的上下文区域中的计算效率的方式有关细胞膜。为了实现这一目标，我们提取RLF，可以有效地计算从输入图像，并生成一个尺度空间表示的上下文图像，在该系列中的每个判别模型的输出获得。与单尺度模型相比，上下文图像的多尺度表示的使用以有效的方式使后续分类器能够访问更大的上下文区域。我们的策略是通用的，独立于分类器，并有可能被用于任何基于上下文的框架。我们证明，我们的方法优于国家的最先进的算法在EM图像中的神经元膜的检测。
Automated neural circuit reconstruction through electron microscopy (EM) images is a challenging problem. In this paper, we present a novel method that exploits multi-scale contextual information together with Radon-like features (RLF) to learn a series of discrimi-native models. The main idea is to build a framework which is capable of extracting information about cell membranes from a large contextual area of an EM image in a computationally efficient way. Toward this goal, we extract RLF that can be computed efficiently from the input image and generate a scale-space representation of the context images that are obtained at the output of each discriminative model in the series. Compared to a single-scale model, the use of a multi-scale representation of the context image gives the subsequent classifiers access to a larger contextual area in an effective way. Our strategy is general and independent of the classifier and has the potential to be used in any context based framework. We demonstrate that our method outperforms the state-of-the-art algorithms in detection of neuron membranes in EM images.
登录
查看更多内容
影响因子：
10.9
作者：
Jurrus, Elizabeth;Paiva, Antonio R. C.;Watanabe, Shigeki;Anderson, James R.;Jones, Bryan W.;Whitaker, Ross T.;Jorgensen, Erik M.;Marc, Robert E.;Tasdizen, Tolga
通讯作者：
Tasdizen, Tolga
影响因子：
3
作者：
Mishchenko, Yuriy
通讯作者：
Mishchenko, Yuriy
影响因子：
9.8
作者：
Denk W;Horstmann H
通讯作者：
Horstmann H
DOI：
10.1109/tpami.1986.4767749
发表时间：
1986-01-01
影响因子：
23.6
作者：
BABAUD, J;WITKIN, AP;DUDA, RO
通讯作者：
DUDA, RO
影响因子：
4.3
作者：
Sporns O;Tononi G;Kötter R
通讯作者：
Kötter R