用于神经元重建的百万级、难度分层的光学显微镜图像标注

《Scientific Data》：A Million-Scale, Difficulty-Stratified Optical-Microscopy Image Annotation for Neuron Reconstruction

　　

摘要

准确重建神经元形态是理解神经回路结构与功能的基石。尽管成像及重建技术取得了显著进展，极大提升了神经元数据的规模与质量，但现有的公共数据集仍缺乏大规模、高质量且标注完善的资源，这限制了它们在训练和评估现代人工智能模型中的应用。在本研究中，我们提供了一个涵盖整个小鼠大脑的开放式、分级神经元数据集。通过高分辨率光学显微镜技术，结合自动化重建与多用户协作校验，我们生成了高精度的神经元标注数据。该数据集源自258个全脑样本中的10,547个神经元，通过交互式协作重建流程，共产生了约8,092,547个具有不同难度等级的标准数据单元。此外，该数据集既支持通过API获取数据，也支持批量下载，为研究人员提供了便捷的数据获取方式。这项工作填补了标准化、带标注的全脑神经元资源方面的重要空白，为基于人工智能的自动化神经元重建提供了高质量基准，同时也为构建大规模神经回路图奠定了坚实基础。