-
连通组学中三维形状分析的拓扑命名 摘要 连接组学的基本任务之一是对神经元和线粒体等细胞器进行形态学分析,以阐明其生物学特性。 然而,这些生物物体往往有纠结的部分或复杂的分支模式,这使得抽象、分类和操纵它们的形态变得困难。 本文中,我们开发了一个新的拓扑命名系统来命名这些对象,例如化合物的名称,以促进基于其骨骼结构的神经科学分析。 我们首先将体积表示转换为拓扑保持的简化图,以解开对象之间的纠缠。 接下来,我们从简化图中为锥体神经元和线粒体制定命名规则,并最终学习用于形状操作的特征嵌入。 在消融研究中,我们定量地表明,由我们提出的方法生成的图形与专家的感知一致。 在三维形状检索和分解任务中,我们定性地证明,编码的拓扑命名特征比最先进的形状描述符取得更好的结果。 为了推进神经科学,我们将发布一个线粒体和锥体神经元的3D分割数据集,该数据集由一个100um立方电子显微镜体积重建而成,并带有简化的图形和拓扑命名注释。 代码可在以下网址公开获取: https://github.com/donglaiw/ibexHelper。 相关材料 [ pdf格式 ] [ 围巾 ] @会议记录{Talwar_2020_CVPR_Workshops, author={Talwar、Abhimanyu和Lin、Zudi和Wei、Donglai和Wu、Yuesong和Zheng、Bowen和Zhao、Jinglin和Jang、Won-Dong和Wang、Xueying和Lichtman、Jeff和Pfister、Hanspeter}, title={连接组学中三维形状分析的拓扑命名}, booktitle={IEEE/CVF计算机视觉和模式识别(CVPR)研讨会会议记录}, 月={6月}, 年份={2020年} }