利用学习到的特征对序列切片电子显微镜图像配准进行自动化质量评估
《Journal of Systems Engineering and Electronics》:Automated quality assessment of serial section electron microscopy image registration using learned features
【字体:
大
中
小
】
时间:2026年05月07日
来源:Journal of Systems Engineering and Electronics 2.1
编辑推荐:
摘要:
序列切片电子显微镜(SSEM)图像的配准有助于恢复生物组织的三维结构。自动配准质量评估至关重要,因为它可以检测潜在的配准错误,这些错误可能会影响大规模微连接组学研究中神经回路重建的准确性。然而,由于相邻切片之间神
摘要:
序列切片电子显微镜(SSEM)图像的配准有助于恢复生物组织的三维结构。自动配准质量评估至关重要,因为它可以检测潜在的配准错误,这些错误可能会影响大规模微连接组学研究中神经回路重建的准确性。然而,由于相邻切片之间神经结构在形态上的显著自然差异,即使图像内容对齐正确,它们仍可能看起来不同,导致基于图像相似性的传统评估方法产生误导。在本文中,我们首先使用球形变形模型分析了神经结构大小对配准质量的影响。理论分析和实验验证表明,在具有较大神经结构的图像区域中,准确评估配准质量更具挑战性。为了解决上述问题,我们提出了一种基于特征提取网络的自动配准质量评估方法,该方法对相邻切片之间神经结构的变化不敏感。结果表明,与基于图像相似性的方法相比,所提出的方法在原位聚焦离子束扫描电子显微镜(FIB-SEM)数据集上具有更高的稳定性,并且能够准确区分具有不同神经结构大小的图像的局部配准质量。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号