针对高分辨小鼠全脑数据集的神经元自动分割方法研究

结构是功能的基础，脑的高级功能主要在神经元网络层次突现。为了理解脑功能和疾病的生物学基础，需要精细地解析大脑的神经网络结构。近年来，随着显微光学切片断层成像系统（MOST）等成像方法的出现，已经构建出了突起水平分辨率的全脑神经元结构数据集。然而，至今缺乏可以对哺乳动物完整脑数据集进行神经元分割的有效方法，基础数据集和科学应用间存在着巨大的鸿沟。申请人拟在MOST系统所获取的Golgi染色突起水平完整鼠脑数据集的基础上，研究针对该数据集的神经元自动分割方法，该方法能够在全脑范围内自动识别神经元胞体并追踪突起，通过高效的人工交互实现快速准确的分割。该研究成果，将用于构建全脑神经元连接图谱，并进行定量分析，对于病理、结构功能关系的研究具有重要意义。

为了理解脑功能和疾病的生物学基础，需要精细地解析大脑的神经网络结构。近年来，随着成像方法的进步，学界已经构建出了突起水平分辨率的全脑神经元结构数据集，但仍然缺乏可以对哺乳动物完整脑数据集进行神经元分割的有效方法。本项目以显微光学切片断层成像技术所获取的脑数据集为研究对象，对神经元自动分割进行了系统研究，分别建立了图像预处理、神经元胞体的自动识别和神经元突起的自动追踪等系列技术方法。通过高效的人工交互，还能够进一步提高自动分割神经元胞体、突起的准确性。以本项目成果为基础，已经成功开展了脑区连接关系的研究，以及神经-血管网络的定量研究，阶段性的满足了脑科学研究对解析脑精细解剖结构的需求，推动了本领域的发展。