CNNの予測確率マップでコンテンツを認識した適応ボクセルスクープを使用した自動ニューロントレース

ニューロントレースは、神経回路の構築と脳の情報流分析の重要なステップとして、脳の組織と機能の理解に重要な役割を果たします。多くの方法が提案されていますが、光学画像からの自動で正確なニューロントレースは依然として困難です。現在の方法は、騒々しい背景から複雑な木のような歪んだ構造と神経突起の壊れた部分を追跡するのに苦労しました。これらの問題に対処するために、コンボリューションニューラルネットワーク（CNN）予測される確率マップでコンテンツを意識した適応ボクセルスクープを使用して、正確なニューロントレースの方法を提案します。第一に、オブジェクトの確率を予測し、高いノイズを抑制するために、3D残差CNNが前処理として適用されました。次に、最大分類によって生成されるバイナリ画像をトレースする代わりに、神経突起の内部コンテンツプロパティ（距離、接続性、方向に沿った確率の連続性）に基づいて、確率マップ上の連続したニューライトトレースのために適応型ボクセルスクープ法が提示されました。。最後に、ニューロンツリーグラフは、長さの最初の基準を使用して構築されました。提案された方法は、パブリックビグロンデータセットと蛍光微小光断層断層撮影（FOST）データセットで評価され、部分と複雑な構造が壊れた神経突起を含む画像の現在の最先端のメソッドを上回りました。高精度トレースは、大規模なニューロントレースのための提案された方法の可能性を証明しました。

Neuron tracing, as the essential step for neural circuit building and brain information flow analyzing, plays an important role in the understanding of brain organization and function. Though lots of methods have been proposed, automatic and accurate neuron tracing from optical images remains challenging. Current methods often had trouble in tracing the complex tree-like distorted structures and broken parts of neurite from a noisy background. To address these issues, we propose a method for accurate neuron tracing using content-aware adaptive voxel scooping on a convolutional neural network (CNN) predicted probability map. First, a 3D residual CNN was applied as preprocessing to predict the object probability and suppress high noise. Then, instead of tracing on the binary image produced by maximum classification, an adaptive voxel scooping method was presented for successive neurite tracing on the probability map, based on the internal content properties (distance, connectivity, and probability continuity along direction) of the neurite. Last, the neuron tree graph was built using the length first criterion. The proposed method was evaluated on the public BigNeuron datasets and fluorescence micro-optical sectioning tomography (fMOST) datasets and outperformed current state-of-art methods on images with neurites that had broken parts and complex structures. The high accuracy tracing proved the potential of the proposed method for neuron tracing on large-scale.