Neuron tracing, as the essential step for neural circuit building and brain information flow analyzing, plays an important role in the understanding of brain organization and function. Though lots of methods have been proposed, automatic and accurate neuron tracing from optical images remains challenging. Current methods often had trouble in tracing the complex tree-like distorted structures and broken parts of neurite from a noisy background. To address these issues, we propose a method for accurate neuron tracing using content-aware adaptive voxel scooping on a convolutional neural network (CNN) predicted probability map. First, a 3D residual CNN was applied as preprocessing to predict the object probability and suppress high noise. Then, instead of tracing on the binary image produced by maximum classification, an adaptive voxel scooping method was presented for successive neurite tracing on the probability map, based on the internal content properties (distance, connectivity, and probability continuity along direction) of the neurite. Last, the neuron tree graph was built using the length first criterion. The proposed method was evaluated on the public BigNeuron datasets and fluorescence micro-optical sectioning tomography (fMOST) datasets and outperformed current state-of-art methods on images with neurites that had broken parts and complex structures. The high accuracy tracing proved the potential of the proposed method for neuron tracing on large-scale.

中文翻译：

---

在 CNN 预测概率图上使用内容感知自适应体素挖取自动神经元跟踪。

神经元追踪作为神经回路构建和大脑信息流分析必不可少的步骤，在理解大脑组织和功能方面起着重要作用。尽管已经提出了很多方法，但从光学图像中自动准确地追踪神经元仍然具有挑战性。当前的方法在从嘈杂的背景中追踪复杂的树状扭曲结构和轴突断裂部分时经常遇到困难。为了解决这些问题，我们提出了一种在卷积神经网络 (CNN) 预测概率图上使用内容感知自适应体素挖取进行准确神经元跟踪的方法。首先，应用 3D 残差 CNN 作为预处理来预测对象概率并抑制高噪声。然后，不是在最大分类产生的二值图像上进行跟踪，基于神经突的内部内容属性（距离、连通性和沿方向的概率连续性），提出了一种自适应体素挖取方法，用于在概率图上连续追踪神经突。最后，使用长度优先标准构建神经元树图。所提出的方法在公共 BigNeuron 数据集和荧光微光学切片断层扫描 (fMOST) 数据集上进行了评估，并且在具有破损部分和复杂结构的神经突图像上的表现优于当前最先进的方法。高精度追踪证明了所提出的方法在大规模神经元追踪方面的潜力。神经元树图是使用长度优先标准构建的。所提出的方法在公共 BigNeuron 数据集和荧光微光学切片断层扫描 (fMOST) 数据集上进行了评估，并且在具有破损部分和复杂结构的神经突图像上的表现优于当前最先进的方法。高精度追踪证明了所提出的方法在大规模神经元追踪方面的潜力。神经元树图是使用长度优先标准构建的。所提出的方法在公共 BigNeuron 数据集和荧光微光学切片断层扫描 (fMOST) 数据集上进行了评估，并且在具有破损部分和复杂结构的神经突图像上的表现优于当前最先进的方法。高精度追踪证明了所提出的方法在大规模神经元追踪方面的潜力。