基于超像素的神經(jīng)元電鏡圖像分割算法及校驗工具.pdf

1、腦神經(jīng)組織微觀結構重建是探索大腦工作原理的基礎。為了重建腦神經(jīng)組織的微觀結構，首先需要獲取動物腦神經(jīng)組織樣品，然后通過電子顯微鏡(Electron Microscopy，EM)采集神經(jīng)組織的序列顯微圖像，最后結合圖像處理、計算機視覺相關算法與專業(yè)的大規(guī)模微觀重建軟件工具對神經(jīng)組織電鏡圖像進行處理與分析，獲得腦神經(jīng)組織的信息化表示。
　　神經(jīng)元分割是神經(jīng)組織電鏡圖像處理的基礎環(huán)節(jié)，也是神經(jīng)組織微觀重建工作中的一大難點。在目前已有的大

2、規(guī)模神經(jīng)組織重建工作中，通常使用結合了算法自動分割和人工標注軟件工具的半自動方法進行神經(jīng)元的分割。因此研究高精度的自動化神經(jīng)元電鏡圖像分割算法以及開發(fā)高效的軟件工具以降低重建過程中的人工干預程度對于快速獲得神經(jīng)組織微觀重建結構具有十分重要的意義。
　　本文的研究基于中國科學院自動化研究所微觀重建與分析研究組搭建的神經(jīng)大數(shù)據(jù)重建與分析平臺。針對該平臺采集的神經(jīng)組織電鏡圖像特性，提出了一種基于超像素的神經(jīng)元自動分割算法，并開發(fā)了一套對

3、應的人工校驗軟件工具。其中，自動分割算法包含了超像素生成與合并兩步。算法首先使用深度卷積神經(jīng)網(wǎng)絡對圖像中的細胞膜進行檢測獲得細胞膜檢測概率圖;然后在細胞膜檢測概率圖的基礎上生成神經(jīng)元超像素，該過程主要包括概率圖的中值濾波、閾值化處理以及基于分水嶺算法的超像素生成;之后采用二叉樹結構對神經(jīng)元超像素建立層級關系，在建立層級關系中，使用了隨機森林的監(jiān)督學習方法計算超像素之間的合并概率，作為建立層級關系的依據(jù);最后通過解析層級結構獲得最終分割結