主菜单 (移动)-块

主菜单块

Funke 实验室

Janelia7_blocks-janelia7_secondary_menu | 块
更多信息在此实验室登陆页面
Custom_misc-custom_misc_lab_updates | 块
节点: field_content_header | entity_field
当前研究
节点: 主体 | 实体 _ 字段

当前的成像方法产金博宝188登录生了大量的数据。例如,果蝇大脑的电子显微镜体积包括数百兆字节的图像数据。手动注释这些卷中的生物相关结构需要几十年的体力劳动。

我们开发了计算机视觉和机器学习方法和工具来实现这些任务的自动化。使这一研究方向对我们来说令人兴奋的是分析大型显微镜图像数据集必须满足的具体要求。特别是,我们旨在开发的方法是:

  • 非常精确
    通常,感兴趣的结构 (如电子显微镜体积中的神经元或薄片显微镜中的细胞谱系轨迹) 跨越的距离比解析它们所需的分辨率大几个数量级。在这些结构的大范围内,必须同时做出许多正确的决定,以便它们能够自信地用于后续分析。每个重建结构的少数错误可能已经使结果不可用 (例如从神经元形态的连接体重建)。
  • 能够处理噪音
    许多感兴趣的结构仅在成像方法的分辨率限制下可见。因此,我们经常面临低信噪比和模棱两可的情况,这也是人类难以解决的问题。金博宝188登录
  • 快速
    一个成功的解决方案必须是快速和可并行的,以便容易地扩展到真实世界数据集的大小。

在大型数据集中,如果没有至少一定量的人工校对,就不可能达到高精度和对噪声的鲁棒性。我们感兴趣的是开发不仅能产生重建的方法和工具,还能与注释器携手合作。为此,我们期待回答以下问题:

  • 自动方法如何识别人为检查的不确定决策?
    人类的注意力是昂贵的,但可能需要验证自动方法的输出。校对员应该被引导到最不确定的自动决策。
  • 我们如何才能充分利用人类的反馈?
    自动方法不应被视为黑匣子。相反,我们寻求开发使用人类反馈来完善重建的方法,并在校对期间继续学习。
  • 我们如何量化准确性?

最终,从自动重建中提取的统计数据将用于支持或拒绝假设。我们有兴趣找到原则性的方法来量化来自未经校对的结构的统计数据的可信度。

Janelia7_blocks-janelia7_block_right_hand_rail | 块

“人们担心电脑会变得太聪明,接管世界,但真正的问题是它们太愚蠢,已经接管了世界。”

-佩德罗 · 多明戈斯

提供博士后职位

芬克实验室正在寻找杰出的博士后研究人员。如果您感兴趣,请联系1月芬克