针对三维电镜图像神经元分割的跨维度亲和图蒸馏方法

本发明公开了针对三维电镜图像神经元分割的跨维度亲和图蒸馏方法。本发明中，用轻量级的2D卷积神经网络(CNNs)进行高效的3D数据分割，充分利用了2D网络的优势，并且解决了高计算成本问题和因切片平面有限输入尺寸额外引入的拼接误差。本方法计算来自两个不同嵌入图的像素嵌入之间的距离，以补充沿轴向的亲和信息。本申请通过避免昂贵的3D卷积，它提供了计算和内存的节省。由于沿着横向方向的输入尺寸增加，它具有更强大的能力来捕获2D切片平面的空间信息。它消除了将大规模EM体积划分为多个3D块并处理的需求，从而避免了由多个块的预测亲和性拼接引入的额外错误，本方法的方法在推理延迟仅为1/20的情况下，实现了优于先前最先进方法的性能。