發(fā)布時間：2020-03-27 03:34

【摘要】：腦是人體最復雜也是最神秘的器官。腦的結構和功能的研究對理解大腦運轉原理,揭示大腦奧秘具有重要的意義。神經(jīng)環(huán)路是構成大腦神經(jīng)功能的基本單元,在腦內進行信息的傳遞和處理。構成神經(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)結構分布在多個腦區(qū)甚至全腦范圍。因此,需要在全腦范圍以單神經(jīng)元分辨水平對神經(jīng)環(huán)路進行描繪。隨著標記技術和成像技術的發(fā)展,對小鼠全腦進行單神經(jīng)元分辨水平成像已經(jīng)成為現(xiàn)實,為神經(jīng)環(huán)路的研究提供了重要的數(shù)據(jù)基礎。然而,對全腦高分辨率成像所產(chǎn)生的數(shù)據(jù)高達數(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)存儲和海量數(shù)據(jù)訪問兩個關鍵問題,建立了一個用于全腦顯微光學成像的大數(shù)據(jù)處理軟件平臺。(1)海量圖像數(shù)據(jù)存儲系統(tǒng)和方法。實現(xiàn)了以Lustre集群文件系統(tǒng)為存儲系統(tǒng)的PB級數(shù)據(jù)存儲系統(tǒng),為海量數(shù)據(jù)的存儲提供了硬件基礎。設計了基于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和傳輸?shù)膯栴}。建立了一種三維體數(shù)據(jù)存儲標準TDat數(shù)據(jù)格式,利用多級分辨率分塊存儲方式替代原有二維圖像序列存儲方式,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換上具有最高32倍的性能優(yōu)勢。(2)海量圖像數(shù)據(jù)訪問方法。提出了稀疏數(shù)據(jù)調用和高通量數(shù)據(jù)調用兩類海量數(shù)據(jù)訪問模式。針對這兩類訪問模式,以TDat數(shù)據(jù)格式為基礎,設計緩存機制減少數(shù)據(jù)訪問過程中重復數(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、基于方向預測的緩存預加載訪問、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用對不同數(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。以TDat數(shù)據(jù)存儲標準、數(shù)據(jù)訪問方法為基礎,建立了全腦顯微圖像的大數(shù)據(jù)處理軟件平臺。整個平臺采用模塊化三層架構,能夠兼容不同的計算平臺和通用的圖像處理軟件,且具有良好的可擴展性�；谠撈脚_開發(fā)了全腦三維圖像剛性配準的方法,采用低級分辨的數(shù)據(jù)獲取配準所需要的空間變換參數(shù),利用高分辨率數(shù)據(jù)分塊進行配準。該方法在僅有數(shù)GB內存消耗的情況下能快速對數(shù)TB的全腦圖像進行配準。利用該平臺開發(fā)了用于長程神經(jīng)纖維交互式追蹤的方法,結合Amira的纖維追蹤模塊和TDat數(shù)據(jù)存儲格式進行分塊追蹤,并利用已追蹤完成的神經(jīng)纖維走勢對需要調用的數(shù)據(jù)進行預測并加載,實現(xiàn)對TB級數(shù)據(jù)中跨越全腦范圍的長程投射神經(jīng)元的高效追蹤。相比于傳統(tǒng)方法需要消耗數(shù)十天的時間進行數(shù)據(jù)準備和追蹤,本方法耗時僅一天之內。
【圖文】：

[41]。采用該方法對小鼠全腦進行成像，其所產(chǎn)生的數(shù)據(jù)量一般小于1 TB。圖1.1 全腦光學顯微成像方法。（A）雙光子序列斷層成像。（B）熒光顯微光學切片斷層成像。（C）光片照明顯微成像（改自文獻[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切片技術相結合的成像方法。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，只對組織的表面進行成像，從而變相提高光在組織中的穿透深度，，從而實現(xiàn)對大樣本組織成像。Ragan等人展示了STP對轉基因熒光小鼠全腦進行三維熒光成像。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)學院的MouseLight團隊利用STP結合TOC，利用光學層析和機械切削相結合的方式，實現(xiàn)了x-y方向分辨率0.3 μm

一個流水線[49-52]，如圖1.2所示。主要包含以下幾個大的步驟： 圖1.2 腦圖像數(shù)據(jù)處理流程。Figure 1.2 The flow of Brain image processing.（1）圖像預處理。圖像預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量控制過程。針對圖像采集過程中圖像灰度不均勻，亮度不統(tǒng)一進行校準，并對圖像當中的噪聲進行處理，對圖像數(shù)據(jù)的質量做簡單的評估和控制，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，對全腦進行高分辨成像，不可能一次成像完成，通常需要對樣品進行分塊、分層成像，因此成像完成后的原始數(shù)據(jù)都是由數(shù)以百萬計的馬賽克（tile）圖片的方式進行保存，每個tile文件的大小約為幾百KB。預處理需要將這些tile圖片合并成完整的解剖學斷面，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處理的顯著特點。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)的圖像預處理方法[56-58]，主要強調的是預處理?
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2018
【分類號】：TP311.13;R318

【參考文獻】

相關期刊論文 前3條

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

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

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

相關博士學位論文 前1條

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

相關碩士學位論文 前2條

1 劉杰鵬;結構光顯微鏡連續(xù)斷層圖像預處理方法研究[D];華中科技大學;2015年

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

本文編號：2602400