論文の概要: AxonEM Dataset: 3D Axon Instance Segmentation of Brain Cortical Regions

• arxiv url: http://arxiv.org/abs/2107.05451v1
• Date: Mon, 12 Jul 2021 14:24:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 18:48:01.043765
• Title: AxonEM Dataset: 3D Axon Instance Segmentation of Brain Cortical Regions
• Title（参考訳）: AxonEMデータセット:脳皮質領域の3次元軸索インスタンスセグメンテーション
• Authors: Donglai Wei, Kisuk Lee, Hanyu Li, Ran Lu, J. Alexander Bae, Zequan Liu, Lifu Zhang, M\'arcia dos Santos, Zudi Lin, Thomas Uram, Xueying Wang, Ignacio Arganda-Carreras, Brian Matejek, Narayanan Kasthuri, Jeff Lichtman, Hanspeter Pfister
• Abstract要約: AxonEMデータセットは、ヒトとマウスの皮質からの2つの30x30x30 um3 EM画像ボリュームから構成される。 我々は,高密度な3次元軸索インスタンスセグメンテーションを実現するために,18,000以上の軸索インスタンスを徹底的に検証した。 データボリュームごとに、トレーニング用の9つの根拠真理サブボリュームを強く注釈付けします。
• 参考スコア（独自算出の注目度）: 22.87130178598667
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electron microscopy (EM) enables the reconstruction of neural circuits at the level of individual synapses, which has been transformative for scientific discoveries. However, due to the complex morphology, an accurate reconstruction of cortical axons has become a major challenge. Worse still, there is no publicly available large-scale EM dataset from the cortex that provides dense ground truth segmentation for axons, making it difficult to develop and evaluate large-scale axon reconstruction methods. To address this, we introduce the AxonEM dataset, which consists of two 30x30x30 um^3 EM image volumes from the human and mouse cortex, respectively. We thoroughly proofread over 18,000 axon instances to provide dense 3D axon instance segmentation, enabling large-scale evaluation of axon reconstruction methods. In addition, we densely annotate nine ground truth subvolumes for training, per each data volume. With this, we reproduce two published state-of-the-art methods and provide their evaluation results as a baseline. We publicly release our code and data at https://connectomics-bazaar.github.io/proj/AxonEM/index.html to foster the development of advanced methods.
• Abstract（参考訳）: 電子顕微鏡(Electron Microscopy)は、個々のシナプスのレベルでの神経回路の再構築を可能にする。 しかし、複雑な形態のため、皮質軸索の正確な再構築が大きな課題となっている。 さらに悪いことに、軸索に密接な地上真理セグメンテーションを提供する大脳皮質からの大規模なemデータセットは公開されておらず、大規模軸索再建法の開発と評価が困難である。 そこで我々は,ヒトおよびマウス大脳皮質からの2つの30x30x30um^3em画像量からなるaxonemデータセットを提案する。 我々は,18,000以上のaxonインスタンスを徹底的に解析し,高密度3daxonインスタンスセグメンテーションを提供し,軸索再建法の大規模評価を可能にした。 さらに、各データボリュームごとに、トレーニング用の9つの基底真理サブボリュームを強く注釈付けします。 これにより,2つの最先端手法を再現し,評価結果をベースラインとして提供する。 私たちは高度なメソッドの開発を促進するために、コードとデータをhttps://connectomics-bazaar.github.io/proj/axonem/index.htmlで公開しています。

関連論文リスト

• R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
  3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。 本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
  論文  参考訳（メタデータ） (2024-05-31T08:39:02Z)
• Large Intestine 3D Shape Refinement Using Point Diffusion Models for Digital Phantom Generation [1.0135237242899509]
  我々は, 幾何学的深層学習の最近の進歩と拡散確率モデルのデノベーションを活用して, 大腸のセグメンテーション結果を改善した。 階層型潜在空間における2つの条件付き微分拡散モデルを訓練し、形状改善を行う。 実験の結果,臓器形状のグローバル分布と微細な細部の両方を捉えるためのアプローチの有効性が示された。
  論文  参考訳（メタデータ） (2023-09-15T10:10:48Z)
• AxonCallosumEM Dataset: Axon Semantic Segmentation of Whole Corpus Callosum cross section from EM Images [1.433758865948252]
  AxonCallosumEMデータセットは、レット症候群(RTT)マウスモデル(英語版)のコーパスカロサムから取得した1.83×5.76mmのEM画像を含む。 我々は1024倍の1024倍の解像度で60,000以上のパッチを慎重に検証し、ミエリンの軸索とミエリンのシースに包括的真実を提供する。
  論文  参考訳（メタデータ） (2023-07-05T17:38:01Z)
• CryoFormer: Continuous Heterogeneous Cryo-EM Reconstruction using Transformer-based Neural Representations [49.49939711956354]
  核電子顕微鏡(cryo-EM)は、タンパク質やその他の生体分子の3D構造を高分解能で再構築することを可能にする。 3次元構造の連続的な動きをノイズやランダムに配向した2次元Creo-EM画像から再構成することは依然として困難である。 我々はCryoFormerを提案する。CryoFormerは連続したヘテロジニアスCryo-EM再構成のための新しいアプローチである。
  論文  参考訳（メタデータ） (2023-03-28T18:59:17Z)
• 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
  本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。 また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
  論文  参考訳（メタデータ） (2023-03-21T17:58:49Z)
• The XPRESS Challenge: Xray Projectomic Reconstruction -- Extracting Segmentation with Skeletons [65.73888157730973]
  X線ホログラフィーナノトモグラフィー(XNH)は、顕微鏡よりはるかに大規模な脳組織の高解像度画像を提供することができる。 マウス脳の皮質白質軸索のXNH像と軸索軌跡の接地真実アノテーションを提供する。
  論文  参考訳（メタデータ） (2023-02-08T00:53:46Z)
• BNV-Fusion: Dense 3D Reconstruction using Bi-level Neural Volume Fusion [85.24673400250671]
  ニューラル・ボリューム・フュージョン (BNV-Fusion) は, ニューラル・暗黙表現とニューラル・レンダリングの最近の進歩を活用して高密度3次元再構成を行う。 新しい深度マップをグローバルな暗黙的表現に漸進的に統合するために、我々は新しい二段階融合戦略を提案する。 提案手法を定量的に定性的に評価し,既存手法よりも有意な改善を示した。
  論文  参考訳（メタデータ） (2022-04-03T19:33:09Z)
• gACSON software for automated segmentation and morphology analyses of myelinated axons in 3D electron microscopy [55.78588835407174]
  本稿では,3D-EMボリュームにおけるミレライズされた軸索の可視化,セグメンテーション,アセスメント,形態解析のためのフリーソフトウェアgACSONを紹介する。 gACSONは、ミエリン化軸索とその対応するミエリンの軸索内空間を自動的に分割する。 軸索径、軸索偏心性、ミエリン厚み、g比などのミエリン化軸索の形態を解析する。
  論文  参考訳（メタデータ） (2021-12-13T08:17:15Z)
• Advanced Deep Networks for 3D Mitochondria Instance Segmentation [46.295601731565725]
  ResUNet-RとResUNet-Hという2つの高度なディープネットワークを提案し、ラットとヒトのサンプルから3Dミトコンドリアインスタンスのセグメンテーションを行います。 具体的には,単純かつ効果的な異方性畳み込みブロックを設計し,マルチスケールのトレーニング戦略を展開し,セグメンテーション性能を向上させる。
  論文  参考訳（メタデータ） (2021-04-16T08:27:44Z)

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。