Automatyczna rekonstrukcja struktury przestrzennej komórek nerwowych na podstawie zdjęć z mikroskopii konfokalnej przy użyciu sztucznych sieci neuronowych

Jednym z najbardziej interesujących i wciąż nie rozwiązanych problemów analizy obrazów biologicznych jest problem rekonstrukcji struktury przestrzennej komórek nerwowych - jak uzyskać matematyczną reprezentację struktury neuronu bezpośrednio ze stosu zdjęć z mikroskopu. W tej pracy zaproponowano nowe podejście do tego problemu. Jego główną częścią jest tzw. Neural Network Estimator, metoda nauczania maszynowego stworzona do szacowania prawdopodobieństwa, że neuron jest obrócony w określoną stronę w danej części obrazu. Ten model może zostać użyty do zróżnicowanych algorytmów rekonstrukcji, od metod pół-automatycznych, przez lokalne algorytmy automatyczne, po podejścia globalne.

One of the most interesting and still not solved biological image analysis problems is neuron structure reconstruction – how to retrieve mathematical representation of the neuron structure directly from the stack of microscopy image data. In this work, a new approach to this problem is proposed. Its main part is the so called Neural Network Estimator, a machine learning method designed to estimate probability of neuron being rotated in some fixed direction in some part of the image. This model is very widely applicable to various types of neuron structure reconstruction algorithms, from semi-automatic methods, through local automatic approaches, to even global algorithms.