8、全脑3D核实例分割与等信号婴儿脑组织分割技术解析

全脑3D核实例分割与等信号婴儿脑组织分割技术解析

1. 全脑3D核实例分割的缝合解决方案

1.1 缝合效果评估

通过对不同NIS骨干网络（如Mask - RCNN - R50、Mask - RCNN - R101、CellPose）进行缝合与不缝合的对比实验，评估了NIS的精度、召回率、F1分数和缝合准确性。实验结果以直观的图表呈现，让我们能清晰看到缝合操作对各项指标的影响。

1.2 可视化对比

从可视化对比图中可以看出，未进行缝合时存在实例缺失和不一致的问题。通过分层缝合，这些问题得到了有效解决。具体表现为：一是缝合后同一细胞核之间没有明显边界，解决了不一致问题；二是图上下文模型通过跨切片间隙区域的对应检测，缓解了细胞核缺失的问题。

1.3 神经科学应用中的全脑NIS

在神经科学研究中，测量细胞核数量的区域变化是重要步骤。通过模拟图像堆栈间的间隙，对比有和没有分层缝合的全脑NIS的计数结果，发现分层缝合方法将细胞核计数误差从48.8%降低到了10.1%，显著提高了计数准确性。此外，全脑NIS的运行时间平均约为26小时，更多可视化结果可在补充材料中查看。

1.4 总结

提出了一种基于学习的缝合方法，用于实现全脑显微镜图像中细胞核的3D实例分割。该缝合框架具有灵活性，能够整合现有的NIS方法，解决了切片间和切片内的间隙问题，在模拟全脑NIS中取得了良好的效果，尤其在计数准确性方面表现出色，为神经科学研究提供了有力支持。

2. 等信号婴儿脑组织分割

2.1 研究背景

准确的脑组织分割对于婴儿发育跟踪和早