神经元三维重构的子结构分析与检索

发布时间：2020-04-11 00:08

【摘要】：神经元作为大脑的基本组成单元,其种类繁多并且形态复杂,从显微图像中追踪神经元并实现其数字模型的重构是了解神经元的关键途径之一。由于手工重构神经元耗时耗力,已有的神经元自动追踪算法又缺少良好的适用性,因此研究神经元三维图像的快速重构方法并利用重构数据进行神经元形态分析具有重要意义。本课题基于神经元三维重构数据对神经元子结构进行了研究。通过获取重构中准确的子结构以及检索重构中相似子结构,可以辅助实现快速神经元重构或分析神经元重构算法性能。课题的主要研究内容如下。(1)寻找神经元自动重构上可信度高的子结构。针对同一神经元数十种不同自动追踪算法产生的重构结果,运用局部匹配算法寻找到它们彼此之间的拓扑联系,然后使用三种策略寻找到它们中的重叠节点,最后通过连接、剪枝、删除离群点等步骤得到该神经元的高可信度的部分,并称其为重构模体。实验比较了三种策略下不同参数所生成的重构模体的差异,并选取其中适用性较好的一种策略进一步在APP2、NeuroGPS-Tree、Neutube、Snake四种重构算法上作了性能分析。实验结果表明,重构模体能够找出自动重构结果上较为准确的部分,可作为人工重构的起步阶段。同时,模体的准确率与重现率也可以在一定程度上反映重构的好坏。(2)提出神经元重构的相似子结构检索框架。给定一个神经元重构和重构上面的兴趣边框,该框架利用神经元树结构特性提取兴趣边框内的重构子结构作为查询子结构,同时在整个重构上生成众多的候选子结构。然后检索框架运用全局搜索功能,计算了查询子结构与候选子结构的19个形态特征并进行排序,最终得到候选结构中与查询结构最相似的多个子结构。多组可视化比较实验表明,神经元重构的相似子结构检索框架具有良好的适用性,并且检索到的子结构在节点数、分支数以及曲率等特征上与查询结构有着较高的相似度。(3)一种改进的子结构构建方法。针对不具备连接特性的神经元重构,在相似子结构检索框架的基础上设计了空间分割法。该方法通过将整个神经元分割成多个有序子空间,建立重构上每个节点与子空间的映射关系,可以快速构建查询子结构与候选子结构。实验结果表明,空间分割法与相似子结构检索框架结合可以在无连接特性的重构数据上实现相似子结构的快速检索。神经元重构模体的寻找以及子结构检索功能的实现,便捷了研究人员对重构数据的使用分析,同时为基于形态学的神经元分类及功能研究起到了促进作用。
【图文】：

软件界面,子结构

第 2 章神经元子结构研究的相关基础知识第 2 章神经元子结构研究的相关基础知识平台介绍3D”是“3DVisualization-AssistedAnalysis”软件套件的缩写。所开发的一个方便、快捷、多功能的 3D/4D/5D 图像可视化和系统主要用于生物图像和表面物体可视化与定量分析，为神经生物学以及一般生物医学图像计算提供了一个高效且符合人

显微图像,显示界面,中电子,神经元

北京工业大学工学硕士学位论文全自动分析，它通过各种内置的 Vaa3D 工具包进一步增强了。元分析方面，，Vaa3D 支持多种格式的神经元图像数据，主要包据和神经元重构数据。三维显微图像存储了三维图像的位图信置记录着灰度值，并以亮度来区分神经元与背景。通过人工或三维显微图像中利用灰度值将神经元重新构建，使其结构通常使用 SWC 格式来表示这种结构化的神经元重构数据。在aa3D 也提供了整体模式、线模式、点模式（分别对应图 2-3 中等多种显示方式。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：Q421

【相似文献】