机构名称：
¥ 1.0
人类大脑图谱为来自不同大脑、在不同层次上表征大脑组织的数据提供了空间参考系统。细胞结构是大脑微观结构组织的基本原理，因为神经元细胞排列和组成的区域差异是连接和功能变化的指标。自动扫描程序和独立于观察者的方法是可靠识别细胞结构区域和实现可重复的大脑分离模型的先决条件。当从分析单个感兴趣区域转向对大量全脑切片进行高通量扫描时，时间成为一个关键因素。在这里，我们提出了一种新的工作流程，用于映射人类死后大脑大量细胞体染色组织切片中的细胞结构区域。它基于深度卷积神经网络 (CNN)，该网络在带有注释的切片图像对上进行训练，中间有大量未注释的切片。该模型学会了以高精度创建所有缺失的注释，并且比我们之前基于独立于观察者的映射的工作流程更快。新的工作流程不需要预先对切片进行 3D 重建，并且对组织学伪影具有很强的鲁棒性。它可以高效地处理大小为数 TB 的大型数据集。该工作流程集成到 Web 界面中，无需深度学习和批量计算方面的专业知识即可访问。将深度神经网络应用于细胞结构映射开辟了新的视角，以实现高分辨率的大脑区域模型，引入 CNN 来识别大脑区域的边界。
用于大规模细胞结构脑映射的卷积神经网络
主要关键词
相关文件推荐
