論文の概要: Efficient 2D neuron boundary segmentation with local topological
constraints
- arxiv url: http://arxiv.org/abs/2002.01036v1
- Date: Mon, 3 Feb 2020 22:28:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-04 09:15:49.618668
- Title: Efficient 2D neuron boundary segmentation with local topological
constraints
- Title(参考訳): 局所的位相制約を持つ効率的な2次元ニューロン境界セグメンテーション
- Authors: Thanuja D. Ambegoda and Matthew Cook
- Abstract要約: 本稿では,2次元電子顕微鏡像におけるニューロン膜分画法について述べる。
膜連続性を強制する整数線形プログラム(ILP)を導出する。
本手法はギャップ補完に成功し,トポロジ的誤差が少なくなった。
- 参考スコア(独自算出の注目度): 0.5482532589225552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a method for segmenting neuron membranes in 2D electron microscopy
imagery. This segmentation task has been a bottleneck to reconstruction efforts
of the brain's synaptic circuits. One common problem is the misclassification
of blurry membrane fragments as cell interior, which leads to merging of two
adjacent neuron sections into one via the blurry membrane region. Human
annotators can easily avoid such errors by implicitly performing gap
completion, taking into account the continuity of membranes.
Drawing inspiration from these human strategies, we formulate the
segmentation task as an edge labeling problem on a graph with local topological
constraints. We derive an integer linear program (ILP) that enforces membrane
continuity, i.e. the absence of gaps. The cost function of the ILP is the
pixel-wise deviation of the segmentation from a priori membrane probabilities
derived from the data.
Based on membrane probability maps obtained using random forest classifiers
and convolutional neural networks, our method improves the neuron boundary
segmentation accuracy compared to a variety of standard segmentation
approaches. Our method successfully performs gap completion and leads to fewer
topological errors. The method could potentially also be incorporated into
other image segmentation pipelines with known topological constraints.
- Abstract(参考訳): ニューロン膜を2次元電子顕微鏡像で分割する方法を提案する。
このセグメンテーションタスクは、脳のシナプス回路の再構築作業のボトルネックとなっている。
よくある問題は、ぼやけた膜断片を細胞内部として誤分類することであり、2つの隣接したニューロン切断部をぼやけた膜領域を介して1つに融合させる。
人間のアノテータは、膜の連続性を考慮して、空隙補完を暗黙的に行うことで、そのようなエラーを容易に回避できる。
これらの人的戦略からインスピレーションを得て、局所的なトポロジ的制約のあるグラフ上のエッジラベル問題としてセグメンテーションタスクを定式化する。
我々は、膜連続性、すなわちギャップの欠如を強制する整数線形プログラム(ILP)を導出する。
ILPのコスト関数は、データから導出される先行膜確率からのセグメンテーションの画素単位のずれである。
ランダムな森林分類器と畳み込みニューラルネットワークを用いて得られた膜確率マップに基づいて, ニューロン境界セグメンテーションの精度を, 様々な標準セグメンテーション手法と比較して改善する。
本手法はギャップ補完に成功し,トポロジ的誤差が少なくなった。
この方法は、既知の位相制約のある他の画像分割パイプラインに組み込むこともできる。
関連論文リスト
- Echocardiography Segmentation Using Neural ODE-based Diffeomorphic
Registration Field [0.0]
本稿ではニューラル常微分方程式(ニューラルODE)を用いた新しい拡散画像登録法を提案する。
提案手法であるEcho-ODEでは,従来の最先端技術と比較して,いくつかの改良が加えられている。
その結果,本手法は過去の最先端技術よりも多面的に優れていることがわかった。
論文 参考訳(メタデータ) (2023-06-16T08:37:27Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳(メタデータ) (2023-01-12T08:19:46Z) - Zonotope Domains for Lagrangian Neural Network Verification [102.13346781220383]
我々は、ディープニューラルネットワークを多くの2層ニューラルネットワークの検証に分解する。
我々の手法は線形プログラミングとラグランジアンに基づく検証技術の両方により改善された境界を与える。
論文 参考訳(メタデータ) (2022-10-14T19:31:39Z) - Can the brain use waves to solve planning problems? [62.997667081978825]
このような課題を解くニューラルネットワークモデルを提案する。
このモデルは、哺乳類の新皮質と海馬に関する幅広い実験的な発見と互換性がある。
論文 参考訳(メタデータ) (2021-10-11T11:07:05Z) - Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation [0.0]
セグメンテーションの結果の処理と精錬は、セグメンテーションネットワークから派生した誤分類を減らすための一般的な手法である。
グラフベースのアプローチでは、グラフ内の特定の不確実点を利用し、小さなグラフ畳み込みネットワーク(GCN)に従ってセグメンテーションを洗練する。
本稿では,特徴距離に応じた新しい隣人選択機構を提案し,トレーニング手順における2つのネットワークの組み合わせを提案する。
論文 参考訳(メタデータ) (2021-08-06T13:39:35Z) - Context-aware virtual adversarial training for anatomically-plausible
segmentation [24.81862697703223]
本稿では,解剖学的に妥当なセグメンテーションを生成するために,コンテキスト対応の仮想敵訓練(CaVAT)法を提案する。
我々は,制約に違反する例を生成するために,敵対的トレーニングを用いて,そのような誤った予測をしないように学習する。
臨床的に関連のある2つのデータセットの実験では、領域接続性の観点から正確かつ解剖学的に解明可能なセグメンテーションを生成する方法が示されている。
論文 参考訳(メタデータ) (2021-07-12T16:01:27Z) - And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。
そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。
MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
論文 参考訳(メタデータ) (2021-02-15T08:19:05Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-06T18:55:07Z) - Post-DAE: Anatomically Plausible Segmentation via Post-Processing with
Denoising Autoencoders [19.361024564220454]
Post-DAEは自動エンコーダ (DAE) に基づく後処理法である
本稿では, Post-DAE を用いて, 誤りとノイズのセグメンテーションマスクをいかに改善できるかを示す。
論文 参考訳(メタデータ) (2020-06-24T15:05:03Z) - clDice -- A Novel Topology-Preserving Loss Function for Tubular
Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。
理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。
我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文 参考訳(メタデータ) (2020-03-16T16:27:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。