vaa3d_神经元追踪算法介绍之snack_neuron tracing

snack

Wang Y , Narayanaswamy A , Tsai C L , et al. 
A Broadly Applicable 3-D Neuron Tracing Method Based on Open-Curve Snake
[J]. Neuroinformatics, 2011, 9(2-3):193-217.
DIADEM Special Issue 特刊的一篇文章

预处理

1.预处理的第一步  去噪、增强连续性  curvelet and scalar voting algorithm
2.预处理的第二步GVF 计算向量场（这是snack模型中的deforming force）和雅可比矩阵。
3 预处理的第三步  Frangi’s  vesselness measure ,这个是利用雅可比矩阵管状结构。特征值.这个不会增强分支点
4 pre-segmentation 预分割graph-cut segmentation ，vessel-cut。每一个z slice 单独。
5 预处理最后一步，种子点获取。有几种方式，
  方式1，极值点，极值点沿GVF移动几次。
  方式2，骨架化。去除半径以内的重复点。
  方式3，local maximal vesselness。
6.所有种子点根据对应的vesselness values排序。

模型

模型是个最小化的模型，包含两个值。内力和外力。内力控制延伸与否，外力使得其靠近中心线。

特点

双向追踪

后处理方法

1.	长度阈值
2.	去除没有连接到主树的树

Tips

1. If accepted, seed points within a certain user-set distance to this snake are removed from the seed list to avoid repeat tracing.一条snack如果被接收了，那么其一定宽度范围内的其他种子点都会被移除，防止重复追踪。
2. Next, in order to avoid fragmented traces caused by gaps or holes in the foreground, we plan to employ graph-based approaches like minimum spanning tree or perceptual grouping approaches for automatic fragmentation linking.避免因gap或holes提前停止的话，可能需要采用基于图论的方法或者感知生长的方式。
3. Leakage (snake growing into the background)到达边界时disabling the stretching force。k(s)=0