【摘要】：腦是人體最復(fù)雜也是最神秘的器官。腦的結(jié)構(gòu)和功能的研究對(duì)理解大腦運(yùn)轉(zhuǎn)原理,揭示大腦奧秘具有重要的意義。神經(jīng)環(huán)路是構(gòu)成大腦神經(jīng)功能的基本單元,在腦內(nèi)進(jìn)行信息的傳遞和處理。構(gòu)成神經(jīng)環(huán)路的神經(jīng)元因功能不同,具有不同的形態(tài)、位置分布、以及投射的模式。其形態(tài)結(jié)構(gòu)分布在多個(gè)腦區(qū)甚至全腦范圍。因此,需要在全腦范圍以單神經(jīng)元分辨水平對(duì)神經(jīng)環(huán)路進(jìn)行描繪。隨著標(biāo)記技術(shù)和成像技術(shù)的發(fā)展,對(duì)小鼠全腦進(jìn)行單神經(jīng)元分辨水平成像已經(jīng)成為現(xiàn)實(shí),為神經(jīng)環(huán)路的研究提供了重要的數(shù)據(jù)基礎(chǔ)。然而,對(duì)全腦高分辨率成像所產(chǎn)生的數(shù)據(jù)高達(dá)數(shù)十TB乃至百TB,為腦圖像的處理帶來巨大的挑戰(zhàn),傳統(tǒng)的腦圖像處理方法面臨著效率低下,難以處理如此大規(guī)模的數(shù)據(jù)等問題。針對(duì)腦圖像處理中的大數(shù)據(jù)挑戰(zhàn),本文分別解決了海量數(shù)據(jù)存儲(chǔ)和海量數(shù)據(jù)訪問兩個(gè)關(guān)鍵問題,建立了一個(gè)用于全腦顯微光學(xué)成像的大數(shù)據(jù)處理軟件平臺(tái)。(1)海量圖像數(shù)據(jù)存儲(chǔ)系統(tǒng)和方法。實(shí)現(xiàn)了以Lustre集群文件系統(tǒng)為存儲(chǔ)系統(tǒng)的PB級(jí)數(shù)據(jù)存儲(chǔ)系統(tǒng),為海量數(shù)據(jù)的存儲(chǔ)提供了硬件基礎(chǔ)。設(shè)計(jì)了基于tar包的原始數(shù)據(jù)歸檔方法,解決了成像產(chǎn)生的海量小文件難以存儲(chǔ)和傳輸?shù)膯栴}。建立了一種三維體數(shù)據(jù)存儲(chǔ)標(biāo)準(zhǔn)TDat數(shù)據(jù)格式,利用多級(jí)分辨率分塊存儲(chǔ)方式替代原有二維圖像序列存儲(chǔ)方式,開發(fā)了新穎的數(shù)據(jù)格式化算法用于通用圖像格式向TDat格式的轉(zhuǎn)換。TDat能夠支持1PB的三維數(shù)據(jù),相比同類方法在圖像格式轉(zhuǎn)換上具有最高32倍的性能優(yōu)勢(shì)。(2)海量圖像數(shù)據(jù)訪問方法。提出了稀疏數(shù)據(jù)調(diào)用和高通量數(shù)據(jù)調(diào)用兩類海量數(shù)據(jù)訪問模式。針對(duì)這兩類訪問模式,以TDat數(shù)據(jù)格式為基礎(chǔ),設(shè)計(jì)緩存機(jī)制減少數(shù)據(jù)訪問過程中重復(fù)數(shù)據(jù)的讀取,利用數(shù)據(jù)I/O并行化加速數(shù)據(jù)訪問的效率,建立了基于緩存加速的ROI塊并行訪問、基于方向預(yù)測(cè)的緩存預(yù)加載訪問、非重疊數(shù)據(jù)順序訪問和“瓦”數(shù)據(jù)連續(xù)訪問四種訪問方法。滿足了不同腦圖像處理應(yīng)用對(duì)不同數(shù)據(jù)訪問方式的需求。為利用TDat數(shù)據(jù)格式處理海量數(shù)據(jù)提供了訪問手段。(3)TDat海量數(shù)據(jù)處理軟件平臺(tái)。以TDat數(shù)據(jù)存儲(chǔ)標(biāo)準(zhǔn)、數(shù)據(jù)訪問方法為基礎(chǔ),建立了全腦顯微圖像的大數(shù)據(jù)處理軟件平臺(tái)。整個(gè)平臺(tái)采用模塊化三層架構(gòu),能夠兼容不同的計(jì)算平臺(tái)和通用的圖像處理軟件,且具有良好的可擴(kuò)展性。基于該平臺(tái)開發(fā)了全腦三維圖像剛性配準(zhǔn)的方法,采用低級(jí)分辨的數(shù)據(jù)獲取配準(zhǔn)所需要的空間變換參數(shù),利用高分辨率數(shù)據(jù)分塊進(jìn)行配準(zhǔn)。該方法在僅有數(shù)GB內(nèi)存消耗的情況下能快速對(duì)數(shù)TB的全腦圖像進(jìn)行配準(zhǔn)。利用該平臺(tái)開發(fā)了用于長(zhǎng)程神經(jīng)纖維交互式追蹤的方法,結(jié)合Amira的纖維追蹤模塊和TDat數(shù)據(jù)存儲(chǔ)格式進(jìn)行分塊追蹤,并利用已追蹤完成的神經(jīng)纖維走勢(shì)對(duì)需要調(diào)用的數(shù)據(jù)進(jìn)行預(yù)測(cè)并加載,實(shí)現(xiàn)對(duì)TB級(jí)數(shù)據(jù)中跨越全腦范圍的長(zhǎng)程投射神經(jīng)元的高效追蹤。相比于傳統(tǒng)方法需要消耗數(shù)十天的時(shí)間進(jìn)行數(shù)據(jù)準(zhǔn)備和追蹤,本方法耗時(shí)僅一天之內(nèi)。
【圖文】：

[41]。采用該方法對(duì)小鼠全腦進(jìn)行成像，其所產(chǎn)生的數(shù)據(jù)量一般小于1 TB。圖1.1 全腦光學(xué)顯微成像方法。（A）雙光子序列斷層成像。（B）熒光顯微光學(xué)切片斷層成像。（C）光片照明顯微成像（改自文獻(xiàn)[18]）。Figure 1.1 Whole-brain LM methods[18]. (A) Serial Two photon Tomography. (B) fluorescenceMicro-Optical Sectioning Tomography. (C) Light-sheet Fluorescent Microscopy.雙光子序列斷層成像（SerialTwo photonTomography,STP）[42]（圖1.1A）。雙光子序列斷層成像是由Ragan等人在2012年發(fā)展出來的新型成像方法。它是將傳統(tǒng)的雙光子顯微鏡與振動(dòng)切片技術(shù)相結(jié)合的成像方法。不同于LSFM利用組織“透明”來提高光的穿透深度，STP則是采用在成像之前將已經(jīng)成像完成的組織剔除，只對(duì)組織的表面進(jìn)行成像，從而變相提高光在組織中的穿透深度，，從而實(shí)現(xiàn)對(duì)大樣本組織成像。Ragan等人展示了STP對(duì)轉(zhuǎn)基因熒光小鼠全腦進(jìn)行三維熒光成像。其成像的x-y方向的分辨率為0.5μm和1μm，軸向以50μm間隔進(jìn)行切片[42]。其產(chǎn)生的數(shù)據(jù)一般小于1TB。2016年，霍華德·休斯醫(yī)學(xué)院的MouseLight團(tuán)隊(duì)利用STP結(jié)合TOC，利用光學(xué)層析和機(jī)械切削相結(jié)合的方式，實(shí)現(xiàn)了x-y方向分辨率0.3 μm

一個(gè)流水線[49-52]，如圖1.2所示。主要包含以下幾個(gè)大的步驟： 圖1.2 腦圖像數(shù)據(jù)處理流程。Figure 1.2 The flow of Brain image processing.（1）圖像預(yù)處理。圖像預(yù)處理操作是銜接圖像采集和圖像數(shù)據(jù)處理的重要的圖像質(zhì)量控制過程。針對(duì)圖像采集過程中圖像灰度不均勻，亮度不統(tǒng)一進(jìn)行校準(zhǔn)，并對(duì)圖像當(dāng)中的噪聲進(jìn)行處理，對(duì)圖像數(shù)據(jù)的質(zhì)量做簡(jiǎn)單的評(píng)估和控制，為后續(xù)的腦處理步驟提供合格的圖像數(shù)據(jù)。由于成像視野范圍的限制，對(duì)全腦進(jìn)行高分辨成像，不可能一次成像完成，通常需要對(duì)樣品進(jìn)行分塊、分層成像，因此成像完成后的原始數(shù)據(jù)都是由數(shù)以百萬計(jì)的馬賽克（tile）圖片的方式進(jìn)行保存，每個(gè)tile文件的大小約為幾百KB。預(yù)處理需要將這些tile圖片合并成完整的解剖學(xué)斷面，形成完整的三維圖像序列[53-55]。這也是高分辨率全腦成像圖像預(yù)處理的顯著特點(diǎn)。丁文祥、劉杰鵬分別發(fā)展了用于MOST數(shù)據(jù)和BPS數(shù)據(jù)的圖像預(yù)處理方法[56-58]，主要強(qiáng)調(diào)的是預(yù)處理?
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13;R318

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 薛麗紅;;三維空間點(diǎn)中基于最小二乘法的分段直線擬合方法[J];齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 龔輝;曾紹群;李安安;李向?qū)?駱清銘;;單神經(jīng)元分辨水平的小鼠全腦網(wǎng)絡(luò)可視化[J];生命科學(xué);2014年06期

3 蔣田仔;劉勇;李永輝;;腦網(wǎng)絡(luò):從腦結(jié)構(gòu)到腦功能[J];生命科學(xué);2009年02期

相關(guān)博士學(xué)位論文 前1條

1 嚴(yán)程;適用于高爾基染色和熒光標(biāo)記鼠腦的跨腦區(qū)神經(jīng)追蹤方法研究[D];華中科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前2條

1 劉杰鵬;結(jié)構(gòu)光顯微鏡連續(xù)斷層圖像預(yù)處理方法研究[D];華中科技大學(xué);2015年

2 丁文祥;顯微光學(xué)切片斷層圖像預(yù)處理方法研究[D];華中科技大學(xué);2013年

本文編號(hào)：2602400