[发明专利]神经元重建错误的检测方法、装置和计算机设备

说明书

本申请涉及一种神经元重建错误的检测方法、装置、计算机设备和存储介质。方法包括：获取重建的神经元的各节点图像；将各节点图像输入训练好的分类网络，通过分类网络的卷积块提取各节点图像中的节点与对应的邻域节点之间的特征，得到各节点图像的特征图；通过分类网络的全连接层，基于各节点图像的特征图进行分类，得到重建的神经元中的各节点图像的分类结果；根据各节点图像的分类结果确定重建的神经元中重建错误的起始节点。采用本方法能够通过分类网络能够自动识别出重建的神经元中重建错误的起始节点，无需人工检测，能够提高神经元重建错误的检测效率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种神经元重建错误的检测方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，神经领域的研究人员对人类脑部结构和功能的研究越来越深入，对脑部结构和功能的相关研究数据是实现人工智能的关键部分。而神经元作为脑部的基本组成单元，对脑部结构和功能的研究依赖于神经元的重建。

神经元重建是基于显微镜下高分辨率的大脑三维图像，且重建后的神经元可能有几万乃至十几万个节点。目前主要通过人工标注的方式对神经元进行重建，而为了判断重建的神经元是否正确，需要对重建的神经元进行检测。

目前对重建的神经元的检测主要依赖于对神经元中各节点连续性的判断。然而，连续的神经元节点标注错误时，根据神经元中各节点连续性无法检测出神经元重建错误的位置。因此，重建的神经元的错误检测效率低。

发明内容

基于此，有必要针对重建的神经元的错误检测效率低的技术问题，提供一种神经元重建错误的检测方法、装置、计算机设备和存储介质。

一种神经元重建错误的检测方法，所述方法包括：

获取重建的神经元的各节点图像；

将所述各节点图像输入训练好的分类网络，通过所述分类网络的卷积块提取所述各节点图像中的节点与对应的邻域节点之间的特征，得到所述各节点图像的特征图；

通过所述分类网络的全连接层，基于所述各节点图像的特征图进行分类，得到所述重建的神经元中的各节点图像的分类结果；

根据所述各节点图像的分类结果确定所述重建的神经元中重建错误的起始节点。

一种神经元重建错误的检测装置，所述装置包括：

节点图像获取模块，用于获取重建的神经元的各节点图像；

特征提取模块，用于将所述各节点图像输入训练好的分类网络，通过所述分类网络的卷积块提取所述各节点图像中的节点与对应的邻域节点之间的特征，得到所述各节点图像的特征图；

第一分类模块，用于通过所述分类网络的全连接层基于所述各节点图像的特征图进行分类，得到所述重建的神经元中的各节点图像的分类结果；

确定模块，用于根据所述各节点图像的分类结果确定所述重建的神经元中重建错误的起始节点。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取重建的神经元的各节点图像；

将所述各节点图像输入训练好的分类网络，通过所述分类网络的卷积块提取所述各节点图像中的节点与对应的邻域节点之间的特征，得到所述各节点图像的特征图；

通过所述分类网络的全连接层，基于所述各节点图像的特征图进行分类，得到所述重建的神经元中的各节点图像的分类结果；

根据所述各节点图像的分类结果确定所述重建的神经元中重建错误的起始节点。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：