[发明专利]重建神经元质量检测方法、有序点云分类方法及装置

说明书

本申请涉及一种重建神经元质量检测方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取待检测重建神经元的节点数据；根据所述节点数据，提取所述待检测重建神经元中各节点对应的局部特征；将各所述节点的局部特征输入训练好的卷积神经网络，通过所述卷积神经网络的卷积块进行全局特征矩阵提取，获得所述待检测重建神经元的全局特征矩阵；所述卷积神经网络的全连接层基于所述待检测重建神经元的全局特征矩阵进行分类，获得分类结果；根据所述分类结果确定所述待检测重建神经元的质量检测结果。通过基于卷积神经网络全自动对重建神经元进行质量检测，无需人工进行判断，提高了重建神经元的质量检测效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种重建神经元质量检测方法、装置、计算机可读存储介质和计算机设备及有序点云分类方法、装置、计算机可读存储介质和计算机设备。

背景技术

随着计算机技术的快速发展，脑科学大数据库是实现人工智能的重要部分，而神经元重建是建立脑科学大数据库的关键之一。

而神经元重建是基于较高分辨率的大脑图像，重建后的神经元某一维长度可达数千像素，若用三维矩阵的方式存储，一个神经元会占用几G的空间，因此神经元均以三维点云的形式进行存储，如图1所示，其中第1到6列分别为节点序号，x轴坐标，y轴坐标，z轴坐标，父节点序号和节点灰度值。而神经元的节点个数可能多达上万个，如果要人工对神经元重建的质量进行判断需要花费大量的时间。

目前检测重建神经元的质量，主要依赖于对神经元中各节点连续性的判断，然而神经元中各节点的连续性并不能完全代表神经元的重建质量，且连续的神经元节点也可能是标注错误，需要通过其他特征对重建质量进行判断，因此，重建神经元的质量检测效率低。

发明内容

基于此，有必要针对重建神经元的质量检测效率低的问题，提供一种重建神经元质量检测方法、装置、计算机可读存储介质和计算机设备，以及针对点云数据分类时，需要求每个样本中节点的个数相同，导致点云分类效率低的问题，提供一种有序点云分类方法、装置、计算机可读存储介质和计算机设备。

一种重建神经元质量检测方法，包括：

获取待检测重建神经元的节点数据；

根据所述节点数据，提取所述待检测重建神经元中各节点对应的局部特征；

将各所述节点的局部特征输入训练好的卷积神经网络，通过所述卷积神经网络的卷积块进行全局特征矩阵提取，获得所述待检测重建神经元的全局特征矩阵；

所述卷积神经网络的全连接层基于所述待检测重建神经元的全局特征矩阵进行分类，获得分类结果；

根据所述分类结果确定所述待检测重建神经元的质量检测结果。

一种重建神经元质量检测装置，包括：

第一节点数据获取模块，用于获取待检测重建神经元的节点数据；

第一局部特征提取模块，用于根据所述节点数据，提取所述待检测重建神经元中各节点对应的局部特征；

第一全局特征矩阵获得模块，用于将各所述节点的局部特征输入训练好的卷积神经网络，通过所述卷积神经网络的卷积块进行全局特征矩阵提取，获得所述待检测重建神经元的全局特征矩阵；

第一分类模块，用于所述卷积神经网络的全连接层基于所述待检测重建神经元的全局特征矩阵进行分类，获得分类结果；

质量检测结果确定模块，用于根据所述分类结果确定所述待检测重建神经元的质量检测结果。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述方法的步骤。