Flood-Filling Network
一种从单个像素点出发,像绘图软件里的油漆桶工具一样,逐个判断并连接属于同一神经元的像素,最终拼出三维形状的AI技术。
简单来说
Flood-Filling Network(泛洪填充网络)的工作方式很像绘图软件里的油漆桶工具。用油漆桶点一下图像上的某个点,和它颜色相连的整片区域就会被一次性填满;这项技术也是如此,从一个像素出发,逐一判断相邻像素是否属于同一个物体,不断向外扩展区域。
这种方法被用于绘制脑图谱。把大脑切成比头发还薄得多的横截面,拍出数百万张照片,每张照片里都有无数神经元纤维交织穿行。要靠人工一根根标出哪条纤维属于哪个神经元,需要耗费巨大的时间,而这项技术从一个像素出发,自动判断相邻像素是否属于同一神经元并扩展区域,来代替人工完成这项工作。把数百万张这样的截面拼接起来,就能显现出每个神经元的立体形状以及它与其他神经元的连接关系。
这项技术是谷歌研究团队用来把平面电子显微镜图像重建为三维神经结构的核心方法之一,后来又发展成加入合成数据训练的新系统,被用于绘制果蝇的脑图谱。
在报道中是这样出现的
文章中提到,"基于卷积神经网络的Flood-Filling Network"是把平面电子显微镜图像重建为三维神经结构的核心技术。要记住,这个词指的不是最终完成的脑图谱本身,而是用来生成该图谱的重建算法。