Limeseg：3D画像セグメンテーションのための粗粒脂質膜シミュレーション

背景：3Dセグメンテーションは、多くの場合、3Dオブジェクトディスプレイと定量的測定の前提条件です。しかし、既存のボクセルベースの方法では、オブジェクトの表面やトポロジに関する情報を直接提供しません。レベルセット、アクティブな輪郭、メッシュなどの空間的に連続的なアプローチに関しては、表面と簡潔な形状の説明を提供しますが、一般に、複数のオブジェクトセグメンテーションおよび/または不規則な形状のオブジェクトには適していません。 結果：計算上効率的で空間的に連続した3Dセグメンテーション法であるLimesegを開発しました。Limesegは使いやすく、多くのおよび/または高度に複雑なオブジェクトを処理できます。表面要素の概念（「サーフェル」）の概念に基づいて、リメギは脂質分子に類似した粒子のセットが局所画像の最大に引き付けられる脂質膜の非常に粗粒のシミュレーションに似ています。粒子は自己生成で自己破壊的であるため、膜が関心のあるオブジェクトの輪郭に向かって進化する能力を提供します。リメギの能力：多数の非重複オブジェクトの同時セグメンテーション、高度に複雑なオブジェクトのセグメンテーション、および大きなデータセットの堅牢性は、実験的ユースケース（上皮細胞、脳MRI、および細胞膜システムのFIB-semデータセット）で実証されています。 結論：結論として、ユーザーフレンドリーで有名なImageJ環境に展開されているさまざまなソースの画像に適合した新しい3D表面再構成プラグインを実装しました。

BACKGROUND: 3D segmentation is often a prerequisite for 3D object display and quantitative measurements. Yet existing voxel-based methods do not directly give information on the object surface or topology. As for spatially continuous approaches such as level-set, active contours and meshes, although providing surfaces and concise shape description, they are generally not suitable for multiple object segmentation and/or for objects with an irregular shape, which can hamper their adoption by bioimage analysts. RESULTS: We developed LimeSeg, a computationally efficient and spatially continuous 3D segmentation method. LimeSeg is easy-to-use and can process many and/or highly convoluted objects. Based on the concept of SURFace ELements ("Surfels"), LimeSeg resembles a highly coarse-grained simulation of a lipid membrane in which a set of particles, analogous to lipid molecules, are attracted to local image maxima. The particles are self-generating and self-destructing thus providing the ability for the membrane to evolve towards the contour of the objects of interest. The capabilities of LimeSeg: simultaneous segmentation of numerous non overlapping objects, segmentation of highly convoluted objects and robustness for big datasets are demonstrated on experimental use cases (epithelial cells, brain MRI and FIB-SEM dataset of cellular membrane system respectively). CONCLUSION: In conclusion, we implemented a new and efficient 3D surface reconstruction plugin adapted for various sources of images, which is deployed in the user-friendly and well-known ImageJ environment.