Researchers in the field of connectomics are working to reconstruct a map of neural connections in the brain in order to understand at a fundamental level how the brain processes information. Constructing this wiring diagram is done by tracing neurons through high-resolution image stacks acquired with fluorescence microscopy imaging techniques. While a large number of automatic tracing algorithms have been proposed, these frequently rely on local features in the data and fail on noisy data or ambiguous cases, requiring time-consuming manual correction. As a result, manual and semi-automatic tracing methods remain the state-of-the-art for creating accurate neuron reconstructions. We propose a new semi-automatic method that uses topological features to guide users in tracing neurons and integrate this method within a virtual reality (VR) framework previously used for manual tracing. Our approach augments both visualization and interaction with topological elements, allowing rapid understanding and tracing of complex morphologies. In our pilot study, neuroscientists demonstrated a strong preference for using our tool over prior approaches, reported less fatigue during tracing, and commended the ability to better understand possible paths and alternatives. Quantitative evaluation of the traces reveals that users' tracing speed increased, while retaining similar accuracy compared to a fully manual approach.

中文翻译：

---

使用拓扑元素提高虚拟现实神经元追踪的可用性

连接组学领域的研究人员正在努力重建大脑中的神经连接图，以便从根本上了解大脑如何处理信息。通过使用荧光显微成像技术获得的高分辨率图像堆栈追踪神经元来构建此接线图。虽然已经提出了大量的自动跟踪算法，但这些算法经常依赖于数据中的局部特征，并且在嘈杂的数据或不明确的情况下失败，需要耗时的手动校正。因此，手动和半自动跟踪方法仍然是创建准确神经元重建的最先进方法。我们提出了一种新的半自动方法，该方法使用拓扑特征来指导用户跟踪神经元，并将此方法集成到以前用于手动跟踪的虚拟现实 (VR) 框架中。我们的方法增强了拓扑元素的可视化和交互，允许快速理解和跟踪复杂的形态。在我们的试点研究中，神经科学家表现出比以前的方法更喜欢使用我们的工具，报告追踪过程中的疲劳更少，并称赞能够更好地理解可能的路径和替代方法。跟踪的定量评估表明，与完全手动的方法相比，用户的跟踪速度提高了，同时保持了相似的准确性。我们的方法增强了拓扑元素的可视化和交互，允许快速理解和跟踪复杂的形态。在我们的试点研究中，神经科学家表现出比以前的方法更喜欢使用我们的工具，报告追踪过程中的疲劳更少，并称赞能够更好地理解可能的路径和替代方法。跟踪的定量评估表明，与完全手动的方法相比，用户的跟踪速度提高了，同时保持了相似的准确性。我们的方法增强了拓扑元素的可视化和交互，允许快速理解和跟踪复杂的形态。在我们的试点研究中，神经科学家表现出比以前的方法更喜欢使用我们的工具，报告追踪过程中的疲劳更少，并称赞能够更好地理解可能的路径和替代方法。跟踪的定量评估表明，与完全手动的方法相比，用户的跟踪速度提高了，同时保持了相似的准确性。