【摘要】：大腦如此復(fù)雜的功能，從根本上依賴于數(shù)以億計的神經(jīng)元相互連接構(gòu)成的神經(jīng)網(wǎng)絡(luò)。一般地，特定的腦功能依賴于特定的神經(jīng)環(huán)路。神經(jīng)環(huán)路包括局部連接和長程連接兩種形式。電子顯微鏡或傳統(tǒng)光學(xué)成像技術(shù)只能獲取小范圍內(nèi)精細（納米或亞微米級）的局部神經(jīng)連接，而核磁共振成像等技術(shù)只能獲取粗糙（百微米級）的長程神經(jīng)連接。為獲得對腦結(jié)構(gòu)的整體認識，有必要在大尺度范圍（厘米級）獲取精細（亞微米級）的神經(jīng)網(wǎng)絡(luò)連接，而這一直是科學(xué)界的一大難題。直到近年來，一種顯微光學(xué)切片斷層成像技術(shù)首次在國際上取得了較大突破，先后報道了目前為止最為精細的高爾基染色和熒光標記小鼠全腦高分辨數(shù)據(jù)集，這為人們進行小鼠腦內(nèi)跨腦區(qū)的精細神經(jīng)環(huán)路研究，提供了重要的基礎(chǔ)數(shù)據(jù)。然而，原始數(shù)據(jù)并不能直接為神經(jīng)科學(xué)家所用，只有基于神經(jīng)追蹤技術(shù)從數(shù)據(jù)中提取出神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)，才能通過定量分析，深入揭示腦結(jié)構(gòu)和功能的聯(lián)系。 近幾十年來，神經(jīng)追蹤技術(shù)得到了長足發(fā)展，但大多數(shù)方法僅適用于特定的神經(jīng)元圖像而不具備通用性。上述高分辨小鼠全腦數(shù)據(jù)集有其顯著的獨特性，主要體現(xiàn)在高分辨全腦數(shù)據(jù)的海量性、高爾基染色數(shù)據(jù)中的空心胞體與密集突起、熒光數(shù)據(jù)中的長程神經(jīng)元投射可延伸數(shù)毫米距離等。這些前所未有的問題，使得針對本文數(shù)據(jù)開發(fā)準確、高效的神經(jīng)追蹤算法變得十分重要。 本文針對顯微光學(xué)切片斷層成像系統(tǒng)獲取的小鼠全腦高分辨數(shù)據(jù)集，建立了有效的神經(jīng)追蹤方法，并結(jié)合生物學(xué)問題對追蹤結(jié)果進行了定量分析。 （1）局部神經(jīng)追蹤。對于高爾基染色數(shù)據(jù)集，本文通過改進2.5維（2.5D）形態(tài)學(xué)方法實現(xiàn)胞體定位；提出一種基于梯度判據(jù)的射線爆發(fā)算法，用于實現(xiàn)空心胞體不規(guī)則表面的形態(tài)檢測；通過改進OpenSnake追蹤算法的三維（3D）交互功能提高突起追蹤準確性、基于神經(jīng)元的物理連接關(guān)系優(yōu)化追蹤結(jié)果，并與上述胞體檢測算法相集成，實現(xiàn)了針對高爾基染色數(shù)據(jù)的準確、半自動神經(jīng)追蹤方法。實驗結(jié)果表明，胞體定位準確率超過93%；對于89%的定位準確的胞體，其表面檢測準確率超過84%；突起全自動追蹤準確率超過86%，，中心線平均誤差低至0.5μm。 （2）長程神經(jīng)追蹤。對于熒光標記小鼠全腦數(shù)據(jù)集，通過將Amira軟件提供的大數(shù)據(jù)處理模塊與纖維追蹤模塊巧妙結(jié)合，首次提出了針對熒光標記數(shù)據(jù)中長程神經(jīng)投射進行高效追蹤的解決方案。對于單個數(shù)毫米距離的投射神經(jīng)元追蹤，相比傳統(tǒng)、低效（數(shù)天）的分塊追蹤再拼接的思路，本文僅需耗時2到3小時。 （3）不同腦區(qū)神經(jīng)元形態(tài)的定量對比�；谏鲜鼍植可窠�(jīng)追蹤方法，追蹤了皮層不同層的錐體神經(jīng)元。對這些神經(jīng)元的胞體表面積與體積、突起表面積變化規(guī)律等形態(tài)參數(shù)進行了初步定量比較，同時基于sholl分析計算了突起密度分布，結(jié)果表明皮層第2/3層、4層、5層的錐體神經(jīng)元在上述形態(tài)參數(shù)方面具有一定的差異性，這種差異性有可能為神經(jīng)元分類研究提供指導(dǎo)。 （4）長程神經(jīng)投射通路在核團水平的定位。本文基于稀疏標記的14天熒光鼠腦數(shù)據(jù)集進行長程神經(jīng)追蹤。由于至今尚無14天小鼠腦圖譜，本文借助磁共振成像獲取的14天與成年參考鼠腦數(shù)據(jù)集，將所有追蹤的長程投射神經(jīng)元分段配準到成年小鼠立體定位圖譜，最終實現(xiàn)長程神經(jīng)投射在核團水平的定位。部分定位結(jié)果不僅驗證了已有的文獻報道結(jié)果，如體感皮層與丘腦之間經(jīng)典的雙向投射；也發(fā)現(xiàn)了一些潛在的神經(jīng)投射通路，如從DpG到RtTg的投射，這些新發(fā)現(xiàn)將為跨腦區(qū)信號處理通路的功能研究提供參考依據(jù)。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2013
【分類號】：R338

【共引文獻】

相關(guān)期刊論文 前10條

1 程一斌,汪松,任彬;利用彈簧模型提取物體輪廓[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2001年02期

2 張坤,羅立民,舒華忠,楊芳;基于Level Set方法的Visible Human Being虛擬人圖像處理[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2005年04期

3 張雪飛;;基于GVF模型的蔬果圖像快速分割方法[J];安徽農(nóng)業(yè)科學(xué);2010年05期

4 趙瑩;張學(xué)東;;改進水平集的車輛檢測算法[J];遼寧科技大學(xué)學(xué)報;2010年05期

5 張鶴;董彥麟;;一種改進的變分水平集車輛檢測技術(shù)[J];遼寧科技大學(xué)學(xué)報;2011年03期

6 李燕;羅四維;鄒琪;;帶評價系統(tǒng)的曲率相關(guān)有向主動輪廓模型[J];北京交通大學(xué)學(xué)報;2010年02期

7 易鑫;李雷;;基于數(shù)學(xué)形態(tài)學(xué)的snake模型圖像分割[J];兵工自動化;2007年09期

8 王孝通,趙晶,金良安;視頻序列中目標定位跟蹤的一種新方法[J];兵工學(xué)報;2005年05期

9 胡永利,尹寶才;基于線性組合模型的人臉特征檢測方法[J];北京工業(yè)大學(xué)學(xué)報;2005年05期

10 李旭東,宗光華,畢樹生,趙瑋;生物工程微操作機器人視覺系統(tǒng)的研究[J];北京航空航天大學(xué)學(xué)報;2002年03期

相關(guān)會議論文 前10條

1 譚守標;霍劍青;郝建;王曉蒲;趙永飛;謝行恕;;高分辨率軟X射線顯微成像下細胞的自動提取?[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

2 ;A Hardware-Accelerated Segmentation Algorithm for Moving Object Generation[A];第二十七屆中國控制會議論文集[C];2008年

3 周佳男;;一種拓撲紋理圖像的相位場模型分割算法[A];第二十七屆中國控制會議論文集[C];2008年

4 ;Edge Detection of Wood Defects in X-ray Wood Image Using Neural Network and Mathematical Morphology[A];第二十九屆中國控制會議論文集[C];2010年

5 邱雪娜;劉士榮;劉斐;朱偉濤;杜方芳;;一種基于序貫檢測機制的運動目標跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

6 趙建;劉偉寧;;基于主動輪廓模型的海天線檢測算法[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

7 劉勛;孟驤龍;毋立芳;;基于自適應(yīng)對象模型的籃球運動跟蹤方法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

8 胡彥婷;木拉提·哈米提;陳建軍;孔德偉;孫靜;姬金虎;;Bayesian分類算法和活動輪廓模型在肝包蟲CT圖像分割中的應(yīng)用[A];自主創(chuàng)新與持續(xù)增長第十一屆中國科協(xié)年會論文集（3）[C];2009年

9 謝琛;;基于ASM的人臉特征點定位淺析[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

10 黃建軍;唐亮;謝維信;謝興燦;;基于對稱邊緣方向直方圖自動提取主要道路[A];信號與信息處理技術(shù)第三屆信號與信息處理全國聯(lián)合學(xué)術(shù)會議論文集[C];2004年

相關(guān)博士學(xué)位論文 前10條

1 王興梅;水下聲納圖像的MRF目標檢測與水平集的輪廓提取方法研究[D];哈爾濱工程大學(xué);2010年

2 韓守東;紋理建模與圖切分優(yōu)化方法研究[D];華中科技大學(xué);2010年

3 莫X;基于隱式函數(shù)的曲面重構(gòu)方法及其應(yīng)用[D];華中科技大學(xué);2010年

4 涂虬;智能視覺監(jiān)視中目標檢測與跟蹤算法研究[D];華中科技大學(xué);2010年

5 徐蕭蕭;基于特征學(xué)習(xí)與特征聯(lián)想的視覺跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

6 王義文;鋼球表面缺陷檢測關(guān)鍵技術(shù)研究及樣機研制[D];哈爾濱理工大學(xué);2010年

7 辛哲奎;基于視覺的小型無人直升機地面目標跟蹤技術(shù)研究[D];南開大學(xué);2010年

8 鐘凡;在線視頻分割關(guān)鍵問題研究[D];浙江大學(xué);2010年

9 任明藝;時空聯(lián)合的視頻運動目標分割技術(shù)研究[D];電子科技大學(xué);2010年

10 孔丁科;幾何活動輪廓圖像分割模型的研究[D];浙江大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 孫濤;基于DR骨密度分析系統(tǒng)的研究[D];南京醫(yī)科大學(xué);2010年

2 趙永剛;圖像檢索中形狀描述和匹配算法研究[D];南昌航空大學(xué);2010年

3 胡申寧;中醫(yī)舌診中舌色、苔色自動分類的研究[D];浙江理工大學(xué);2010年

4 李光;基于均值偏移的視頻目標跟蹤、檢測算法研究及系統(tǒng)實現(xiàn)[D];浙江理工大學(xué);2010年

5 陳欣欣;基于CT圖像的血管分割[D];鄭州大學(xué);2010年

6 孫宏偉;基于鏈碼的視覺軌線跟蹤[D];哈爾濱工程大學(xué);2010年

7 馬玲;拓撲約束法在序列圖像高密度細胞追蹤中的應(yīng)用[D];哈爾濱工程大學(xué);2010年

8 許東濱;基于水平集和局部灰度閾值的神經(jīng)干細胞序列圖像的分割算法[D];哈爾濱工程大學(xué);2010年

9 王炎慶;基于卡爾曼濾波器的神經(jīng)元干細胞序列圖像中活躍細胞的追蹤[D];哈爾濱工程大學(xué);2010年

10 張晶明;基于達芬奇技術(shù)的水聲圖像處理研究[D];哈爾濱工程大學(xué);2010年

本文編號：2675579