[论文解读] 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 8

一句话总结

本文提出聚焦式校对（focused proofreading），一种以分割结果为导向的策略，优先对生物学上关键的区域（尤其是突触和连接节点）进行人工追踪，从而加速基于电子显微镜（EM）的神经元连接组重建。通过利用生物学先验知识和基于连接性的度量指标，该方法在保持高准确率的同时，相比传统校对方式实现了3–5倍的速度提升，显著增强了大规模神经回路图谱绘制的可扩展性。

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.

研究动机与目标

• 为解决电子显微镜（EM）连接组重建中的可扩展性瓶颈，该瓶颈源于耗时的手动校对过程。
• 通过基于生物学相关性的引导，使校对任务更易于理解与执行，从而降低对专家校对者的依赖。
• 通过优先处理对电路连接性影响最大的区域（如突触和高连接性神经元结构），提升重建效率。
• 通过基于连接性的相似性度量和生物学先验知识，提升基于分割的连接组重建的质量与准确性。
• 通过降低每项任务所需的专家知识，实现大规模、众包化的连接组重建参与。

提出的方法

• 聚焦式校对优先处理分割结果中可能影响电路连接性的区域，如突触和高连接性神经元结构。
• 该方法使用基于连接性的相似性度量来评估分割质量，并引导校对工作集中于不确定性高或生物学影响大的区域。
• 整合生物学先验知识（尤其是突触标注）以识别并纠正关键错误，如错误合并或分割不足。
• 工作流程将校对分解为离散、可管理的任务：聚焦式校对、突触验证（QC）以及对分割不足区域的细胞体拆分。
• 采用子体积工作流，独立处理125 µm³的体积，支持并行处理，并高效分配任务给校对人员。
• 效率通过工作时长与会话时长的对比进行衡量，校对人员之间的一致性超过98%，验证了任务可靠性和一致性。

实验结果

研究问题

• RQ1 是否可以通过仅聚焦于分割后的EM数据中生物学关键区域，使校对过程更高效且更具可扩展性？
• RQ2 生物学先验知识（如突触位置）在提升连接组重建的准确率与速度方面能发挥多大作用？
• RQ3 基于连接性的相似性度量在多大程度上能引导校对工作集中于最影响电路拓扑结构的区域？
• RQ4 聚焦式校对能否降低专业知识门槛，从而实现EM重建任务的有效众包化？
• RQ5 与随机或均匀校对相比，聚焦式校对在速度、准确率和任务效率方面表现如何？

主要发现

• 聚焦式校对工作流程实现了每会话小时64立方微米的重建速度，相比以往方法提升了3–5倍。
• 突触验证（QC）是效率最高的任务，达到每天956微米的处理速度，表明局部连接性检查具有极高的吞吐量。
• 尽管耗时且效率较低（66%效率），细胞体拆分任务仍为纠正聚焦式校对中发现的分割不足错误所必需。
• 校对人员在子体积上的一致性超过98%，验证了聚焦式校对方法的可靠性和一致性。
• 通过将校对转化为基于生物学证据的“是/否”判断，该方法显著降低了挫败感和任务复杂度。
• 在六个月内，由5–10名训练有素的校对人员完成了果蝇复眼髓质七个柱状结构（共27,000 µm³）的重建，证明了该方法的可扩展性。