[论文笔记]神经元追踪算法——APP2

APP2:
Xiao, H., & Peng, H.
automatic tracing of 3D neuron morphology based on hierarchical pruning of a gray-weighted
image distance-tree. Bioinformatics, 29, 1448–1454. 2013
大类：生物 2区；小类：数学与计算生物学1区  TOP

APP2算法介绍

All-path pruning 2.0（APP2）是一种基于图结构的3D神经元快速自动重建算法。是目前速度最快的算法，能可靠地生成神经元重构的树状结构。
APP2具有以下特点：第一，对灰度图像进行距离变换，而无需二值化处理；第二，追踪过程基于Fast Marching算法，计算代价小；第三，剪枝过程采用“长段优先分层”处理方式。

APP2算法流程

APP2算法包括三个步骤：距离变换GWDT(gray-weighted distance transform)、采用FM算法进行追踪、分层剪枝。
1.距离变换GWDT
   距离变换的目的在于增强靠近中心线上的图像强度，减小靠近边缘的图像强度。某点的GWDT的距离值定义为该点到背景的最短路径上的像素强度之和。（the distance value for each pixel is defined as the sum of image pixels’ intensity along the shortest path to background）
  首先选取一个较小的阈值区分前景、背景。选取所有背景点为seeds并标记为ALIVE，前景标记为FAR。遍历每一个边缘点（与FAR相邻的seeds），计算该点到领域的最小距离值，并将该领域点标为TRIAL，同时更新边缘的距离值。接着从这些被标为TRIAL的点开始计算其领域内的距离最小值点，并标记为TRIAL,并将前一个点标记为ALIVE,循环迭代该过程。选取距离变化后最大值的点为soma（或称root）
2.采用FM算法进行追踪
  追踪采用FM算法，并且在追踪过程中通过标记每个节点的parent节点从而构建神经元结构连接关系。然后从root点开始采用FM算法（类似距离变换的过程）进行最终，并根据连接关系生成重建结果。
3.“长段优先分层”剪枝
  - Hierarchical segments construction
  定义两个分叉点（branching nodes）间的部分为segment，将重建结果的segments按长度排序。具体实现过程可从每个叶节点开始，找到其最近的分叉点（每个分叉点连接至少两个segments），将短segment标记为长segement的child-segment，迭代这个过程。
  - Recursive pruning
  将APP的node-coverage-ratio推广为segment-coverage-ratio，计算两个segements的覆盖率，若大于阈值（一般取75%）则删除被覆盖的segement及其所有child-segments，迭代该过程。

总结

  APP2算法由于采用Fast Marching算法，计算代价小，处理速度快；在神经元追踪前对图像进行GWDT变换，使其符合神经元图像强度从中心线向外递减的一般规律，增强重建结果的鲁棒性。“长段优先分层”剪枝使得APP2算法相比APP1的后处理能力有较大提升。