생물학적으로 제약된 그래프를 통한 글로벌 커넥톰ics 재구성

현재 최첨단 연결체 재구성 파이프라인은 주로 두 가지 주요 단계로 구성된다. 첫째, 치수 예측과 워터셰드 변환을 통한 초기 픽셀 기반 분할, 둘째, 과분할된 영역을 병합함으로써 정제하는 단계이다. 이러한 방법들은 일반적으로 국소적 맥락에만 의존하며, 기본적인 생물학적 구조에 대한 고려를 거의 하지 않는다. 몇몇 병합 오류만으로도 여러 신경세포 과정이 잘못 병합될 수 있기 때문에, 이러한 알고리즘은 과분할을 유도하도록 조정되어 있어, 비용이 큰 검증 작업(프루프리딩)의 부담을 증가시킨다. 우리는 과분할을 국소적 맥락과 전역적 맥락을 함께 고려하여 생물학적 구조에 부합하도록 정교화할 수 있는 연결체 재구성 파이프라인의 세 번째 단계를 제안한다. 먼저 입력 분할에서 그래프를 추출하며, 노드는 분할 레이블에 대응하고, 엣지는 과분할 상태에서 발생할 수 있는 분할 오류의 가능성을 나타낸다. 대규모 재구성에 적합하고 처리 효율을 높이기 위해, 신경세포 형태학적 특성에 착안한 생물학적으로 유사한 기하학적 제약을 도입하여 노드와 엣지의 수를 줄인다. 다음으로, 두 개의 신경망이 신경세포의 형태를 학습하여 그래프 구축 과정을 추가로 지원한다. 마지막으로, 영역 병합 문제를 그래프 분할 문제로 재정의함으로써 전역적 맥락을 효과적으로 활용한다. 제안하는 방법의 성능은 네 가지 실제 연결체 데이터셋에서 검증되었으며, 평균 정보 변화량(Variation of Information) 개선률이 21.3%에 달함을 보였다.