抽象 体積電子顕微鏡データから神経回路を再構築するには、それらの全ての神経突起を含む細胞全体を追跡する必要がある。 追跡のための自動化されたアプローチが開発されているが、それらの誤り率は高すぎるため、広範な人間の校正なしに信頼性の高い回路図を生成することはできない。 我々は洪水充填ネットワークを提示しています。 これは、以前のほとんどの努力と同様に、畳み込みニューラルネットワークを使用しますが、 個々のニューロンプロセスの反復最適化と拡張を可能にする反復経路を含みます。 我々は、ゼブラフィンチ脳の連続的なブロック - 顔電子顕微鏡によって得られたデータセットのニューロンを追跡するために、 洪水充填ネットワークを使用した。 我々の方法を用いて、我々は1.1mmの平均誤差のない神経突起の経路長を達成し、 97mmのパス長のテストセットでは4回の合併しか観察されなかった。 洪水充填ネットワークの性能は、このデータセットに適用された以前のアプローチよりも大幅に優れていましたが、計算コストは大幅に増加しました。 0009オーバーテクナナシー2018/07/19(木) 09:27:54.63ID:SMisF2cd Google AI Blog: Improving Connectomics by an Order of Magnitude 大きさの順にコネクトミックスを改善する 2018年7月16日(月曜日) GoogleでConnectomicsのソフトウェアエンジニア、Michal Januszewski、Viren Jain、研究者、科学者、および司会者Connectomics