SkNeXt

SkNeXt 框架从 PB 级显微镜数据中重建神经元

研究人员开发了 SkNeXt，一个新颖的框架，旨在简化从海量显微镜数据集中重建神经元结构。这种拓扑优先的方法将神经元形态转换为紧凑的 SWC 骨架，从而在详细重建之前专注于连接性和连续性的校对。通过使用这些骨架作为空间索引，SkNeXt 仅沿重建的轨迹选择性地检索高分辨率图像数据，从而显著降低了计算和数据移动的开销。该方法使得在不到一周的时间内，在单个 GPU 上从 PB 级数据集中重建神经元成为可能。