基于截面分析的神经纤维直径自动计算方法研究

发布时间：2020-08-31 12:16

　　神经元作为神经系统结构和功能的基本单元,一直是脑科学的重要研究对象。而功能与结构相关,神经元的形态影响着神经元的功能,准确地获得神经元形态数据对神经元分类、类脑模拟等研究具有重要意义。显微光学断层成像系统等一系列高分辨光学成像系统的出现,为人们观察神经元的形态提供了准确可靠的数据来源。基于这些系统所采集的小鼠全脑高分辨数据,通过手工重建的方式可以获得神经元形态的骨架信息,但仅有骨架并不能满足人们对神经元形态数据的需求,纤维直径也是神经元形态数据中极其重要的一部分,准确地计算纤维直径对于神经元形态数据的研究极具意义。现有的直径计算方法大都对骨架数据和纤维形态进行了假设,这些假设往往并不符合实际情况,使得这些方法难以在真实的数据中取得理想的效果。此外,手工重建的神经元骨架数据通常还存在着骨架点之间距离不均匀、骨架数据与神经纤维原始信号贴合程度差等问题,这也为直径计算等相关计算过程带了困难。针对上述问题,本文提出了一种基于截面分析的神经纤维直径自动计算方法,该方法分为骨架数据校正与直径计算两部分。骨架数据校正部分主要包含骨架点扩充、角度信号强度联合约束校正等操作。其中,骨架点扩充操作可以改善骨架点之间距离不均的问题;而轴向坐标校正、冠状面校正以及角度信号强度联合约束校正可以有效提高骨架数据与纤维原始信号贴合程度,并使骨架轨迹更加平滑。直径计算部分则是利用纤维的横截面信息近似地计算出纤维的直径信息。首先,根据骨架点的位置得到纤维主轴方向,进而获得纤维的横截面图像;然后通过阈值分割、连通域分析等方法对纤维横截面图像进行分析,得到纤维的横截面形态,最终获得纤维的直径。通过在纤维片段上进行测试,本文验证了该法方法的准确性。基于上述方法,本文开发了一个纤维直径自动计算工具,使该方法能够有效地应用在长程投射神经元等具有复杂结构的神经元数据上,又通过多线程并行计算等方法对工具进行了加速,极大地提高了计算效率。综上所述,本文提出了一种基于截面分析的神经纤维直径自动计算方法,通过该方法可以有效地获得神经元的直径信息。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP301.6;R338
【部分图文】：

示意图,示意图,顶点,纤维形态

中科技大学硕士学位论文面本身是不规则的多边形。基于这一认识，利用多边形拟合的每个顶点到骨架点的距离不一致，选择的顶点越多，最终多截面的真实形状越接近。这种方法相较 Yu Wang 等人的直径地反映纤维形态，具有重要的参考价值，但是这种多边形的截数据无法用常用的数据格式进行保存，且计算过程也更加耗

纤维中心,纤维直径,射线,方法

华中科技大学硕士学位论文这种方法虽然不再需要将神经纤维假想成横截面为规则圆形的棒状结构，但是也要求骨架点不能偏离纤维信号中心太远，并且面对纤细的纤维信号，该方法难以取得好的效果。此外，与球体扩增的方法一样，该方法中前景与背景分离的准确性尤为重要；最终利用射线簇长度估算纤维直径的方法十分依赖经验值。

模型数据,方法,纤维,棒状

中科技大学硕士学位论手工描定，无法保证骨架点和轨迹线位于纤维信号中况并不相符。方法大都对神经纤维的形态进行了假设。例如，Han人都将纤维假想为棒状结构，而这一假设也不符合实示中经常将神经纤维假想为棒状结构，但是这并不，基于这样的假设所提出的方法在实际的应用中无在骨架数据偏离纤维信号中心线的情况下，这些直径。

【相似文献】