面向大规模脑图谱重建的3D电子显微镜神经图像交互式分割框架
发布时间：2023-04-22 08:15
本文主要研究大规模脑图谱重建流程中的3D电子显微镜神经图像交互式分割问题。脑图谱(或称神经回路)是理解生物大脑工作原理,揭示生命运行机制的关键,而脑图谱重建是生物和计算机科学交叉研究的前沿热点。目前,大规模、高密度的脑图谱重建基于电子显微镜技术。相比于光学显微镜,高分辨率的电子显微镜一方面可以帮助我们获得更丰富的神经回路细节,另一方面也大大增加了神经图像的规模。相关文献指出,在基于电镜的脑图谱重建流程中,大规模神经图像的分割问题已经成为当前限制脑图谱重建规模的关键性瓶颈。虽然已有不少工作对电镜神经图像的自动分割问题进行了研究,然而出于分割精度和质量控制上的考虑,这类自动分割算法通常只被用作初始化步骤,提供初步分割结果。高质量的分割结果由人类操作员使用交互式分割工具对初步结果进行修正而获得。由于巨大的数据规模和当前交互式分割工具设计上的问题,该过程十分耗时耗力。可见,设计一款高效的、能够应对大数据挑战的电镜神经图像交互式分割工具是当前脑图谱重建领域具有重要意义的工作。对此,本文提出了一种层次化的交互式分割框架。该框架:(1)通过树形结构对分割过程进行分解,将基于原始体素的分割过程拓展到基...
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 脑图谱重建的背景与意义
1.2 脑图谱重建流程与技术挑战分析
1.2.1 脑图谱重建流程
1.2.2 脑图谱重建技术挑战分析
1.3 本文研究内容与组织结构
1.3.1 研究内容
1.3.2 组织结构
1.4 本章小节
第2章 图像分割算法与交互式分割框架研究综述
2.1 图像分割问题
2.2 经典分割算法
2.2.1 基于阈值的分割算法
2.2.2 基于区域生长的分割算法
2.2.3 基于边界检测的分割算法
2.2.4 基于活动轮廓的分割算法
2.2.5 基于图模型的分割算法
2.3 基于深度学习的分割算法
2.3.1 边界检测网络
2.3.2 端到端分割网络
2.3.3 深度学习与经典分割算法的融合模型
2.4 图像分割过程中的人机交互方法
2.4.1 交互模型
2.4.2 交互方法
2.5 交互式分割框架
2.5.1 交互式分割框架概述
2.5.2 面向大规模脑图谱重建的3D电镜神经图像交互式分割框架
2.6 本章小结
第3章 层次化交互式分割框架
3.1 层次化交互式分割框架
3.1.1 层次化分割的定义
3.1.2 基于树形结构的层次化交互式分割框架
3.2 超体素分割算法
3.2.1 超体素分割算法
3.2.2 实验
3.3 多尺度分水岭算法
3.3.1 二分割模型
3.3.2 分水岭算法
3.3.3 多尺度分水岭算法
3.4 分割数据编码方法
3.4.1 分割数据编码问题
3.4.2 基于哈希索引和游程压缩的编码方法
3.4.3 实验
3.5 本章小结
第4章 基于主动学习策略的深度交互式分割网络
4.1 基于主动学习策略的深度交互式分割网络的背景和意义
4.2 深度交互式分割网络
4.2.1 网络结构
4.2.2 训练数据
4.2.3 损失函数
4.3 基于信息熵的主动学习策略
4.3.1 主动学习策略
4.3.2 基于信息熵的查询函数
4.4 任意大小分割目标的生长
4.4.1 动态Fov
4.4.2 概率重写
4.5 实验
4.5.1 实验数据
4.5.2 模型训练
4.5.3 分割实验
4.6 本章小结
第5章 面向大规模分割任务的高拓展性计算服务模型
5.1 高拓展性计算服务模型的设计背景与特点
5.2 计算服务模型
5.2.1 模型结构与数据流
5.2.2 任务实体
5.2.3 任务状态机
5.2.4 基于RESTful APIs的调用接口
5.3 深度交互式分割网络计算服务实例
5.4 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
本文编号：3797267
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 脑图谱重建的背景与意义
1.2 脑图谱重建流程与技术挑战分析
1.2.1 脑图谱重建流程
1.2.2 脑图谱重建技术挑战分析
1.3 本文研究内容与组织结构
1.3.1 研究内容
1.3.2 组织结构
1.4 本章小节
第2章 图像分割算法与交互式分割框架研究综述
2.1 图像分割问题
2.2 经典分割算法
2.2.1 基于阈值的分割算法
2.2.2 基于区域生长的分割算法
2.2.3 基于边界检测的分割算法
2.2.4 基于活动轮廓的分割算法
2.2.5 基于图模型的分割算法
2.3 基于深度学习的分割算法
2.3.1 边界检测网络
2.3.2 端到端分割网络
2.3.3 深度学习与经典分割算法的融合模型
2.4 图像分割过程中的人机交互方法
2.4.1 交互模型
2.4.2 交互方法
2.5 交互式分割框架
2.5.1 交互式分割框架概述
2.5.2 面向大规模脑图谱重建的3D电镜神经图像交互式分割框架
2.6 本章小结
第3章 层次化交互式分割框架
3.1 层次化交互式分割框架
3.1.1 层次化分割的定义
3.1.2 基于树形结构的层次化交互式分割框架
3.2 超体素分割算法
3.2.1 超体素分割算法
3.2.2 实验
3.3 多尺度分水岭算法
3.3.1 二分割模型
3.3.2 分水岭算法
3.3.3 多尺度分水岭算法
3.4 分割数据编码方法
3.4.1 分割数据编码问题
3.4.2 基于哈希索引和游程压缩的编码方法
3.4.3 实验
3.5 本章小结
第4章 基于主动学习策略的深度交互式分割网络
4.1 基于主动学习策略的深度交互式分割网络的背景和意义
4.2 深度交互式分割网络
4.2.1 网络结构
4.2.2 训练数据
4.2.3 损失函数
4.3 基于信息熵的主动学习策略
4.3.1 主动学习策略
4.3.2 基于信息熵的查询函数
4.4 任意大小分割目标的生长
4.4.1 动态Fov
4.4.2 概率重写
4.5 实验
4.5.1 实验数据
4.5.2 模型训练
4.5.3 分割实验
4.6 本章小结
第5章 面向大规模分割任务的高拓展性计算服务模型
5.1 高拓展性计算服务模型的设计背景与特点
5.2 计算服务模型
5.2.1 模型结构与数据流
5.2.2 任务实体
5.2.3 任务状态机
5.2.4 基于RESTful APIs的调用接口
5.3 深度交互式分割网络计算服务实例
5.4 本章小结
第6章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
攻读硕士学位期间主要的研究成果
致谢
本文编号：3797267
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3797267.html
