[論文レビュー] Automated Alignment of Imperfect EM Images for Neural Reconstruction

Louis K. Scheffer, Bill Karsh+1 more|arXiv (Cornell University)|Apr 22, 2013

Cell Image Analysis Techniques参考文献 7被引用数 14

ひとこと要約

本論文では、レンズの非線形性、組織の収縮、折りたたみ、破損などの歪みを補正するため、アフィン変換と可変メッシュを用いた、自動的かつスケーラブルな方法を提示している。この手法により、断面内ではピクセル未満の精度で、断面間では2〜3ピクセルの精度を達成し、画像欠損や大規模なデータ量（最大153,000枚の画像）があっても信頼性の高いニューロントレースが可能になる。

ABSTRACT

The most established method of reconstructing neural circuits from animals involves slicing tissue very thin, then taking mosaics of electron microscope (EM) images. To trace neurons across different images and through different sections, these images must be accurately aligned, both with the others in the same section and to the sections above and below. Unfortunately, sectioning and imaging are not ideal processes - some of the problems that make alignment difficult include lens distortion, tissue shrinkage during imaging, tears and folds in the sectioned tissue, and dust and other artifacts. In addition the data sets are large (hundreds of thousands of images) and each image must be aligned with many neighbors, so the process must be automated and reliable. This paper discusses methods of dealing with these problems, with numeric results describing the accuracy of the resulting alignments.

研究の動機と目的

• 顕微鏡のアーティファクトや組織切断欠損による、数10万枚に及ぶ不完全なEM画像を神経回路再構成でアライメントする課題に対処すること。
• レンズ歪み、組織収縮、折りたたみ、破損、チーズの影響を自動で処理できるスケーラブルなパイプラインを構築し、ほとんどの場合で手動操作を不要とする。
• 誤検出や生物学的忠実性の損失を最小限に抑えるために、信頼性の高いニューロントレースに十分な高精度なアライメントを達成すること。
• 500台のコンピュータから構成されるクラスタを用いて、大規模なEMデータセットを効率的に並列処理し、1日未満でアライメントを完了すること。
• 修正済みのアノテーションを元のタイルに再マッピングできる柔軟な再処理を可能にし、反復的改善や新しいアライメントワークフローを支援すること。

提案手法

• 16ビットまたは32ビットのデータを8ビットに変換することで、メモリ使用量を削減しながらも信号対雑音比を維持するため、EM画像を正規化する。
• 正規化された強度ヒストグラムとガウスフィッティングを用いて、画像間のコントラストおよび明るさのばらつきを特定・補正する。
• 局所的な強度および勾配解析を用いて、折りたたみや破損を自動で検出するが、稀なケースでは手動で補正する。
• 重複領域における相互相関を最大化することで、初期的な近似マッチングを計算し、その後、最適なアフィン変換に refining する。
• 画像ペア間の非線形歪みをモデル化するため、可変メッシュを適用し、アフィンモデルを上回るアライメント精度を実現する。
• 統計的しきい値と残差解析を用いて、真のマッチングと偽のマッチングを区別し、必要に応じて手動で調整する。

実験結果

リサーチクエスチョン

• RQ1 レンズ歪みや組織収縮といった一般的な顕微鏡アーティファクトが存在するにもかかわらず、自動アライメントがピクセル未満の精度を達成できるか？
• RQ2 本手法は、切断組織に生じる折りたたみや破損をどれほど効果的に処理できるか。また、手動での介入はどの程度必要か？
• RQ3 自動マッチングを信頼できるものにするために、どの程度の画像被りが必要か？（誤検出や見逃しのないマッチングを保証するため）
• RQ4 153,000枚の画像といった大規模データセットに対して、性能劣化を伴わず、どの程度並列処理やスケーリングが可能か？
• RQ5 本アライメントフレームワークは、光学顕微鏡や走査型EMといった他の画像モodalitiesに対しても、大幅な再設計なしに適応可能か？

主な発見

• 5%の画像被りがあれば、完全に自動でアライメントが可能であり、誤検出や見逃しのないマッチングが達成され、堅牢な再構成が可能になった。
• 低被りケース（1%）では、断面内被りのための手動パrameter調整が必要だったが、依然として高い精度が得られた。
• アフィンアライメントでは、断面内では平均二乗残差（RMS）が1ピクセル未満、断面間では3〜4ピクセル程度であった。
• 可変メッシュ補正を適用した後、断面内ではピクセル未満の精度、断面間では2〜3ピクセルの精度にまで向上した。
• 最大500ピクセルの残差誤差は、断面内に開始または終了する折りたたみによって引き起こされたが、手動で延長処理を施すことで100〜200ピクセルにまで低下した。
• 切断アーティファクトに起因する非アフィン歪みは、まれに数百ピクセルの大きな誤差を引き起こすが、これは稀であり、人間による検証作業を妨げることはなかった。