[Submitted on 21 Sep 2025 (v1), last revised 30 Jul 2026 (this version, v2)]

View PDF HTML (experimental)

Abstract:无论健康还是病理性，生物体之间的行为差异与其神经回路的结构密切相关。然而，导致这些变化的细微突触改变仍未被充分理解，部分原因在于可靠且大规模地检测突触仍存在持续挑战。体积电子显微镜（EM）提供了捕捉突触结构的所需分辨率，但由于注释稀疏、形态变异性和跨数据集领域偏移，自动检测仍然困难。为解决这一问题，我们做出了三个关键贡献。首先，我们整理了一个多样化的 EM 基准，涵盖了两个无脊椎动物物种的四个数据集：成体和幼虫黑腹果蝇，以及微小蜂（Megaphragma viggianii）。其次，我们提出了 SimpSyn，这是一个单阶段残差 U-Net，用于预测突触前和突触后位点周围的双通道球形掩模，旨在优先考虑训练和推理速度以及注释效率，而不是架构复杂性。第三，我们将 SimpSyn 与 Buhmann 等人提出的 Synful [1] 进行了基准测试，Synful 是一种最先进的多任务模型，可共同推断突触对。尽管 SimpSyn 结构简单，但在所有体积的突触位点检测中，其 F1 分数均始终优于 Synful。虽然跨数据集的泛化能力仍然有限，但 SimpSyn 在联合队列上训练时实现了具有竞争力的性能。最后，消融实验表明，简单的后处理策略——如局部峰值检测和基于距离的过滤——无需复杂的测试时启发式方法即可产生强大的性能。综上所述，我们的结果表明，当轻量级模型与任务结构对齐时，可为大规模连接组学流程中的突触检测提供实用且可扩展的解决方案。

Submission history

From: Samia Mohinta [view email]
[v1] Sun, 21 Sep 2025 11:40:49 UTC (13,282 KB)
[v2] Thu, 30 Jul 2026 12:58:05 UTC (13,278 KB)