【摘要】：神經(jīng)元作為大腦的基本組成單元,其種類繁多并且形態(tài)復(fù)雜,從顯微圖像中追蹤神經(jīng)元并實(shí)現(xiàn)其數(shù)字模型的重構(gòu)是了解神經(jīng)元的關(guān)鍵途徑之一。由于手工重構(gòu)神經(jīng)元耗時耗力,已有的神經(jīng)元自動追蹤算法又缺少良好的適用性,因此研究神經(jīng)元三維圖像的快速重構(gòu)方法并利用重構(gòu)數(shù)據(jù)進(jìn)行神經(jīng)元形態(tài)分析具有重要意義。本課題基于神經(jīng)元三維重構(gòu)數(shù)據(jù)對神經(jīng)元子結(jié)構(gòu)進(jìn)行了研究。通過獲取重構(gòu)中準(zhǔn)確的子結(jié)構(gòu)以及檢索重構(gòu)中相似子結(jié)構(gòu),可以輔助實(shí)現(xiàn)快速神經(jīng)元重構(gòu)或分析神經(jīng)元重構(gòu)算法性能。課題的主要研究內(nèi)容如下。(1)尋找神經(jīng)元自動重構(gòu)上可信度高的子結(jié)構(gòu)。針對同一神經(jīng)元數(shù)十種不同自動追蹤算法產(chǎn)生的重構(gòu)結(jié)果,運(yùn)用局部匹配算法尋找到它們彼此之間的拓?fù)渎?lián)系,然后使用三種策略尋找到它們中的重疊節(jié)點(diǎn),最后通過連接、剪枝、刪除離群點(diǎn)等步驟得到該神經(jīng)元的高可信度的部分,并稱其為重構(gòu)模體。實(shí)驗(yàn)比較了三種策略下不同參數(shù)所生成的重構(gòu)模體的差異,并選取其中適用性較好的一種策略進(jìn)一步在APP2、NeuroGPS-Tree、Neutube、Snake四種重構(gòu)算法上作了性能分析。實(shí)驗(yàn)結(jié)果表明,重構(gòu)模體能夠找出自動重構(gòu)結(jié)果上較為準(zhǔn)確的部分,可作為人工重構(gòu)的起步階段。同時,模體的準(zhǔn)確率與重現(xiàn)率也可以在一定程度上反映重構(gòu)的好壞。(2)提出神經(jīng)元重構(gòu)的相似子結(jié)構(gòu)檢索框架。給定一個神經(jīng)元重構(gòu)和重構(gòu)上面的興趣邊框,該框架利用神經(jīng)元樹結(jié)構(gòu)特性提取興趣邊框內(nèi)的重構(gòu)子結(jié)構(gòu)作為查詢子結(jié)構(gòu),同時在整個重構(gòu)上生成眾多的候選子結(jié)構(gòu)。然后檢索框架運(yùn)用全局搜索功能,計(jì)算了查詢子結(jié)構(gòu)與候選子結(jié)構(gòu)的19個形態(tài)特征并進(jìn)行排序,最終得到候選結(jié)構(gòu)中與查詢結(jié)構(gòu)最相似的多個子結(jié)構(gòu)。多組可視化比較實(shí)驗(yàn)表明,神經(jīng)元重構(gòu)的相似子結(jié)構(gòu)檢索框架具有良好的適用性,并且檢索到的子結(jié)構(gòu)在節(jié)點(diǎn)數(shù)、分支數(shù)以及曲率等特征上與查詢結(jié)構(gòu)有著較高的相似度。(3)一種改進(jìn)的子結(jié)構(gòu)構(gòu)建方法。針對不具備連接特性的神經(jīng)元重構(gòu),在相似子結(jié)構(gòu)檢索框架的基礎(chǔ)上設(shè)計(jì)了空間分割法。該方法通過將整個神經(jīng)元分割成多個有序子空間,建立重構(gòu)上每個節(jié)點(diǎn)與子空間的映射關(guān)系,可以快速構(gòu)建查詢子結(jié)構(gòu)與候選子結(jié)構(gòu)。實(shí)驗(yàn)結(jié)果表明,空間分割法與相似子結(jié)構(gòu)檢索框架結(jié)合可以在無連接特性的重構(gòu)數(shù)據(jù)上實(shí)現(xiàn)相似子結(jié)構(gòu)的快速檢索。神經(jīng)元重構(gòu)模體的尋找以及子結(jié)構(gòu)檢索功能的實(shí)現(xiàn),便捷了研究人員對重構(gòu)數(shù)據(jù)的使用分析,同時為基于形態(tài)學(xué)的神經(jīng)元分類及功能研究起到了促進(jìn)作用。
【圖文】：

第 2 章 神經(jīng)元子結(jié)構(gòu)研究的相關(guān)基礎(chǔ)知識第 2 章 神經(jīng)元子結(jié)構(gòu)研究的相關(guān)基礎(chǔ)知識 平臺介紹3D”是“3DVisualization-AssistedAnalysis”軟件套件的縮寫。所開發(fā)的一個方便、快捷、多功能的 3D/4D/5D 圖像可視化和系統(tǒng)主要用于生物圖像和表面物體可視化與定量分析，為神經(jīng)生物學(xué)以及一般生物醫(yī)學(xué)圖像計(jì)算提供了一個高效且符合人

北京工業(yè)大學(xué)工學(xué)碩士學(xué)位論文全自動分析，它通過各種內(nèi)置的 Vaa3D 工具包進(jìn)一步增強(qiáng)了。元分析方面，，Vaa3D 支持多種格式的神經(jīng)元圖像數(shù)據(jù)，主要包據(jù)和神經(jīng)元重構(gòu)數(shù)據(jù)。三維顯微圖像存儲了三維圖像的位圖信置記錄著灰度值，并以亮度來區(qū)分神經(jīng)元與背景。通過人工或三維顯微圖像中利用灰度值將神經(jīng)元重新構(gòu)建，使其結(jié)構(gòu)通常使用 SWC 格式來表示這種結(jié)構(gòu)化的神經(jīng)元重構(gòu)數(shù)據(jù)。在aa3D 也提供了整體模式、線模式、點(diǎn)模式（分別對應(yīng)圖 2-3 中等多種顯示方式。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：Q421

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周春生;孫家斌;岳前進(jìn);杜斌;;起重機(jī)車輪組子結(jié)構(gòu)分析方法研究[J];起重運(yùn)輸機(jī)械;2017年12期

2 王濤;潘鵬;;子結(jié)構(gòu)混合試驗(yàn)方法研究與應(yīng)用[J];工程力學(xué);2018年02期

3 郭s

本文編號：2622883