• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Medical image analysis >An efficient conditional random field approach for automatic and interactive neuron segmentation
【24h】

An efficient conditional random field approach for automatic and interactive neuron segmentation

机译：用于自动和交互式神经元分割的有效条件随机场方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We present a new graphical-model-based method for automatic and interactive segmentation of neuron structures from electron microscopy (EM) images. For automated reconstruction, our learning based model selects a collection of nodes from a hierarchical merging tree as the proposed segmentation. More specifically, this is achieved by training a conditional random field (CRF) whose underlying graph is the watershed merging tree. The maximum a posteriori (MAP) prediction of the CRF is the output segmentation. Our results are comparable to the results of state-of-the-art methods. Furthermore, both the inference and the training are very efficient as the graph is tree-structured.
机译：我们提出了一种新的基于图形模型的方法，用于从电子显微镜（EM）图像自动和交互式分割神经元结构。对于自动重建，我们的基于学习的模型从分层合并树中选择节点集合作为建议的分段。更具体地说，这是通过训练条件随机字段（CRF）来实现的，该条件随机字段的基础图是分水岭合并树。 CRF的最大后验（MAP）预测是输出分段。我们的结果可与最新方法的结果相媲美。此外，由于图是树状结构的，因此推理和训练都非常有效。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号