NeuroRefiner：用于 3D 荧光显微镜神经元分割的形态学感知多代理细化

荧光显微镜中准确的 3D 神经元分割对于神经科学至关重要。然而，神经元稀疏且细长的形态对现有的分割方法提出了重大挑战。这些方法很难保留局部细节和全局拓扑，导致结果支离破碎。为了解决这个问题，我们提出了 NeuroRefiner，这是一个多智能体系统，它规范了涉及迭代全局观察和本地编辑的人类专家工作流程。具体来说，NeuroRefiner 由三个协作代理组成，致力于诊断拓扑错误、生成校正指令和验证细化质量。为了促进代理指令引导的分割细化，我们提出了 TopoRefineNet，这是一种基于 3D U-Net 的专用工具，利用跨模态特征融合来生成细化的掩模。通过多轮代理推理和体素级编辑，NeuroRefiner 可以生成拓扑上更准确的分割，并增强可解释性。 BigNeuron、CWMBS 和 ZBFWB 数据集上的实验表明，NeuroRefiner 的性能优于最先进的方法，特别是在具有挑战性的 ZBFWB 数据集上，F1 分数提高了 3.02%。