BvEM2024——体电子显微镜生物血管分割

今天将分享体电子显微镜生物血管分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、BvEM2024介绍

大脑约占体重的 2%，接受约 20% 的血液供应。由于血液供应不足，例如中风，患者平均会损失约 190 万个神经元。在许多脑部疾病中都观察到血管结构的改变，例如阿尔茨海默病和血管性痴呆。因此，通过具有不同分辨率和结构细节的各种成像方法对大脑中的血管进行了广泛的研究（图1a）。与宏观水平成像（例如 CT 和 MRI）和中尺度成像（光学显微镜）相比，体电子显微镜（VEM）可以揭示包括内皮细胞、神经胶质细胞和神经元在内的详细超微结构（图 1b）。

传统上，宏观和介观尺度的成像方法被广泛使用并产生了大量的数据，并且已经开发了多种图像分割算法、公共数据集和评估方法。近年来，由于成像技术的快速进步，VEM的样本量显着增加，覆盖了小鼠大脑皮层和人脑的所有层，以及苍蝇的整个大脑。然而，为了稳健地分析VEM图像中的血管，现有的分割方法受到了两个主要挑战的影响：由于所涉及的成像管道（包括样品制备）的变化而导致图像外观的多样性，以及血管形态的复杂性。

二、BvEM2024任务

小鼠、猕猴和人类皮质上对 3D 血管实例分割。

三、BvEM2024数据集

BvEM数据集来自三种猿类动物的样本:成年小鼠的视觉皮层，成年猕猴，以及成年人类。每个数据集都是在不同的VEM设施中使用不同的协议获得的。BvEM-Macaque 数据具有大约 0.5G 体素，BvEM-Mouse 和 BvEM-Human 图像数据大约比它大 80 倍和 121 倍。

下载链接：

https://huggingface.co/datasets/pytc/BvEM/tree/main

四、技术路线

采用海森矩阵增强来分割提取血管，详情请参考这篇文章医学图像处理案例（六）——生成血管三维模型。