- 1次围观
从大规模三维显微成像体数据中重建神经元形态对于定量神经科学至关重要,但由于噪声、低对比度以及复杂的分支几何结构,这一任务仍然面临挑战。我们提出了一种自动化神经元追踪方法,将重建过程建模为序列决策问题,并通过模仿学习训练三维卷积策略。该方法的关键技术贡献是一种在线专家动作检索机制,可直接从金标准 SWC 树中推导局部有效的延伸方向,包括分叉处的方向。结合 DAgger 式数据聚合,该策略能够在自身状态分布下进行训练,无需手工设计奖励函数,也无需额外的分割到骨架转换后处理阶段。我们将该方法封装为端到端的追踪流程,并提供可选的路径细化操作以及用于定量评估和交互式编辑的工具。在 BigNeuron Gold166 基准测试中,我们的方法实现了当前最先进的重建精度;无论是在基于形态的综合指标上,还是在几何距离比较中,均优于所有参加挑战赛的竞争方法。
dtward{at}mednet.ucla.edu
摘要
信息/历史
指标
补充材料
数据/代码
预览 PDF
摘要
从大型三维显微成像体数据中重建神经元形态对于定量神经科学至关重要,但由于噪声、低对比度以及复杂的分支几何结构,这一任务仍然面临挑战。我们提出了一种自动化神经元追踪方法,将重建过程表述为序贯决策问题,并通过模仿学习训练三维卷积策略。该方法的关键技术贡献在于一种在线专家动作检索方案:该方案直接从金标准 SWC 树中推导局部有效的延续方向,包括分叉处的延续方向。结合 DAgger 式数据集聚合,该策略能够在自身状态分布下进行训练,无需手工设计奖励函数,也无需单独设置从分割结果到骨架的后处理阶段。我们将该方法封装为一套端到端追踪流水线,并提供可选的路径细化操作以及用于定量评估和交互式编辑的工具。在 BigNeuron Gold166 基准测试中,我们的方法取得了当前最先进的重建精度;无论是在基于形态的综合指标方面,还是在几何距离比较方面,均优于所有参赛方法。
利益冲突声明
作者声明不存在利益冲突。
脚注
https://doi.org/10.6084/m9.figshare.33113558
https://doi.org/10.57967/hf/9682
https://doi.org/10.6084/m9.figshare.33116063
已声明的资助信息
美国国立卫生研究院
,R01 NS121761
,UM1 NS132173
版权
本预印本的版权持有人为作者/资助方,其已授予 bioRxiv 永久展示该预印本的许可。
该预印本依据 CC-BY-NC-ND 4.0 国际许可协议公开。
返回
顶部
上一页
下一页
发布于 2026 年 8 月 4 日。
下载 PDF
补充材料
数据/代码
电子邮件
感谢您有意帮助 bioRxiv 宣传这篇文章。
注意:我们仅要求提供您的电子邮件地址,以便确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请在不同行输入多个地址,或用逗号分隔。
您即将发送以下内容
利用模仿学习实现自动神经元追踪
邮件主题
(您的姓名)向您转发了 bioRxiv 上的一个页面
邮件正文
(您的姓名)认为您会对 bioRxiv 网站上的这个页面感兴趣。
您的个人留言
验证码
此问题用于确认您是否为真实访客,并防止自动垃圾信息提交。
分享
利用模仿学习实现自动神经元追踪
Bryson
Gray
,
Daniel Jacob
Tward
bioRxiv
2026.07.29.741595;
doi:
https://doi.org/10.64898/2026.07.29.741595
分享本文:
复制
引文工具
利用模仿学习实现自动神经元追踪
Bryson
Gray
,
Daniel Jacob
Tward
bioRxiv
2026.07.29.741595;
doi:
https://doi.org/10.64898/2026.07.29.741595
引文管理器格式
BibTeX
Bookends
EasyBib
EndNote(标记格式)
EndNote 8(xml)
Medlars
Mendeley
Papers
RefWorks Tagged
Ref Manager
RIS
Zotero
推文小部件
Facebook 点赞
Google Plus +1
学科领域
神经科学
学科领域
所有文章
动物行为与认知
(7852)
生物化学
(18373)
生物工程
(14540)
生物信息学
(43422)
生物物理学
(22134)
癌症生物学
(19258)
细胞生物学
(26380)
临床试验
(138)
发育生物学
(13742)
生态学
(20562)
流行病学
(2067)
进化生物学
(25021)
遗传学
(15940)
基因组学
(23138)
免疫学
(18347)
微生物学
(41653)
分子生物学
(17692)
神经科学
(91605)
古生物学
(683)
病理学
(2930)
药理学与毒理学
(4992)
生理学
(7939)
植物生物学
(15644)
科学传播与教育
(2079)
合成生物学
(4465)
系统生物学
(10070)
动物学
(2340)
关键词:神经元追踪 · 模仿学习 · 三维显微成像 · 神经元形态重建 · 深度学习
原文链接:https://www.biorxiv.org/content/10.64898/2026.07.29.741595v1?rss=1