【数据集】关于三维神经元

VISoR-40 dataset

• 网址：https://braindata.bitahub.com/Neuronal_population_reconstruction.html

• 下载地址：202.38.95.226:10049，username is AI，no password，文件名称为：VISoR-40_dataset.zip

• 描述：VISoR-40数据集包括从小鼠大脑捕获的40个体积图像。全脑图像由VISoR成像系统捕获，物理分辨率为每个体素$0.5\times 0.5\times 0.5u{m}^3$，图像分辨率约为$20000\times 30000\times 24000$。在这个尺度上，对于神经元形态分析而言，识别每个单独的神经元是可行的。原始的体积数据有16位的动态范围的强度，以保持足够的神经突细节。
  为了训练分割网络，我们随机选取整个数据集的4/5作为训练数据集。然后将剩下的8个数据作为测试集和验证集，在不同的设置下评估我们的方法。为了得到这8个数据的手工注释，我们请了两位专家注释者使用Vaa3D中的3D Virtual Finger插件手工重建单个神经元。我们可以使用Vaa3D来查看体积图像，并加载SWC文件来查看手动注释和重构结果。

• 四种评价指标
  $$\begin{gathered} Precission(R,G)=\frac{|R\cap G|}{|R|} \\ Recall(R,G)=\frac{|R\cap G|}{|G|} \\ F-Score(R,G)=\frac{2|R\cap G|}{|R|+|G|} \\ Jaccard(R,G)=\frac{|R\cap G|}{|R\cup G|} \end{gathered}$$
  其中R表示重建的神经元点集，G表示ground truth的神经元点集，$||$表示分在一组的数量，首先在每个测试图像上根据gt计算四个指标，然后进行平均，根据每个测试图像神经细胞突起的总长度的加权

• 引用文章：J. Zhao, X. Chen, Z. Xiong, D. Liu, J. Zeng, Y. Zhang, Zheng-Jun Zha, G. Bi and F. Wu, Progressive learning for neuronal population reconstruction from optical microscopy images, International Conference on Medical Image Computing and Computer-Assisted Intervention. Springer, Cham, 2019: 750 759.