[論文レビュー] Focused Proofreading: Efficiently Extracting Connectomes from Segmented EM Images

Stephen M. Plaza|arXiv (Cornell University)|Sep 3, 2014

Cell Image Analysis Techniques参考文献 11被引用数 8

ひとこと要約

本稿では、生物学的に重要な領域—特にシナプスや結合ノード—に焦点を当てたマニュアルトレースを優先する、セグメンテーション駆動の戦略「フォーカスド・プローフリーディング」を提案する。生物学的仮説と結合性に基づく指標を活用することで、従来のプローフリーディングに比べて3–5倍の高速化を達成しながらも高い正確性を維持し、大規模神経回路マッピングにおけるスケーラビリティを顕著に向上させる。

ABSTRACT

Identifying complex neural circuitry from electron microscopic (EM) images may help unlock the mysteries of the brain. However, identifying this circuitry requires time-consuming, manual tracing (proofreading) due to the size and intricacy of these image datasets, thus limiting state-of-the-art analysis to very small brain regions. Potential avenues to improve scalability include automatic image segmentation and crowd sourcing, but current efforts have had limited success. In this paper, we propose a new strategy, focused proofreading, that works with automatic segmentation and aims to limit proofreading to the regions of a dataset that are most impactful to the resulting circuit. We then introduce a novel workflow, which exploits biological information such as synapses, and apply it to a large dataset in the fly optic lobe. With our techniques, we achieve significant tracing speedups of 3-5x without sacrificing the quality of the resulting circuit. Furthermore, our methodology makes the task of proofreading much more accessible and hence potentially enhances the effectiveness of crowd sourcing.

研究の動機と目的

• 電子顕微鏡（EM）結合体再構成におけるスケーラビリティのボトルネックを解消するため、時間のかかるマニュアルプローフリーディングの問題に対処すること。
• 生物学的関連性に基づいた明確な意思決定を可能にすることで、専門家のみに依存するプローフリーディング作業の負担を軽減し、より広範な参加を可能にすること。
• 回路結合性に最も影響を与える領域、例えばシナプスや高結合性ニューロンのプロセスにプローフリーディングを優先することで、再構成の効率を向上させること。
• 結合性に基づく類似度指標と生物学的仮説を統合することで、セグメンテーション駆動の結合体再構成の品質と正確性を向上させること。
• 各タスクに必要な専門知識を最小限に抑えることで、大規模かつクラウドソーシング可能な結合体再構成の実現を図ること。

提案手法

• フォーカスド・プローフリーディングは、回路結合性に影響を及ぼす可能性が最も高いセグメンテーション領域、例えばシナプスや高結合性ニューロンのプロセスを優先する。
• 本手法は、セグメンテーション品質を評価し、不確実性が高く生物学的に重要な領域にプローフリーディングを誘導するための結合性に基づく類似度指標を用いる。
• 特にシナプスアノテーションを含む生物学的仮説を統合し、誤って結合された領域や未分離領域の重大な誤りを特定・是正する。
• プローフリーディングを離散的で管理しやすいタスクに分解する：フォーカスド・プローフリーディング、シナプス検証（QC）、未分離領域のボディスプリット。
• サブボリュームベースのワークフローにより、125 µm³のボリュームを独立して処理し、並列処理とプローフリーダーへの効率的なタスク割り当てを可能にする。
• 作業時間とセッション時間の比較により効率を測定し、プローフリーダー間で98%以上の一致を示す高い一貫性により、タスクの信頼性が検証された。

実験結果

リサーチクエスチョン

• RQ1 セグメンテーションされたEMデータセットの生物学的に重要な領域に限定してプローフリーディングを実施することで、その効率性とスケーラビリティを向上させることは可能か？
• RQ2 シナプス位置などの生物学的仮説は、結合体再構成の正確性と速度をどのように向上させるか？
• RQ3 結合性に基づく類似度指標は、回路トポロジーに最も影響を与える領域にプローフリーディングを誘導するのにどの程度有効か？
• RQ4 フォーカスド・プローフリーディングは、専門知識の壁を低下させ、EM再構成タスクの効果的なクラウドソーシングを可能にするか？
• RQ5 フォーカスド・プローフリーディングは、ランダムまたは均一なプローフリーディングと比較して、スピード、正確性、タスク効率の面でどの程度優れているか？

主な発見

• フォーカスド・プローフリーディングワークフローは、1セッション時間あたり64立方マイクロメートルの再構成速度を達成し、従来手法に比べ3–5倍の高速化を実現した。
• シナプス検証（QC）は最も効率的で、1日あたり956マイクロメートルの処理速度を達成し、局所的な結合性チェックの高スループットを示した。
• ボディスプリットは、時間がかかり、効率が低い（66%の効率）が、フォーカスド・プローフリーディングで検出された未分離誤りを是正するために不可欠であった。
• プローフリーダー間でサブボリュームについて98%以上の一致を示し、フォーカスド・プローフリーディング手法の信頼性と一貫性が検証された。
• 生物学的証拠に基づく「はい／いいえ」の意思決定に変換することで、プローフリーディングのストレスとタスクの複雑さが軽減された。
• 7つのメドゥラ柱（Drosophila視索上核）の再構成—合計27,000 µm³—は、5–10名の訓練済みプローフリーダーが6か月で完了し、スケーラビリティが実証された。