基于序列切片图像的突触三维重建技术研究

摘要

脑科学是研究人、动物以及机器的认知与智能的本质和规律的学科，理解脑功能的结构及物质基础是脑科学研究的核心问题。脑图谱的研究，是探索脑的工作原理、揭示脑重大疾病发生机制，发展脑式计算的必由之路，是脑科学研究的战略制高点，脑科学极有可能在该研究方向上取得重大突破。脑微观结构重建是绘制脑图谱的基础。
　　神经系统作为大量的神经元相互联系形成的复杂网络结构，其功能的探究和理解需要高质量的结构图谱信息，而不同尺度的脑图谱所蕴含的信息内容也不尽相同。通常从以下三个层面获取脑图谱信息:毫米尺度的宏观层面、微米尺度的介观层面以及纳米尺度的微观层面。目前在突触水平的相关自动分析方法和重建能力相对滞后，海量数据的重建工作主要依赖于人工标注，这样不仅效率低，同时还会因为每个人的评判标准的差异等主观因素而出现不同程度的问题。巨大工程量的自动化重构工作，已经成为大规模脑神经结构重建的瓶颈，所以在这一领域加快研究速度已成为当务之急。
　　本文以中国科学院自动化研究所搭建的突触尺度神经微观重建平台为依托，提出一套自动化程度较高的突触三维重建方法。该系统方法总体包括三个部分:
　　首先，以机器学习为主要内容，实现突触的检测。检测的过程中以AdaBoost算法为基础，实现突触的初步检测。使用AdaBoost算法检测的过程中，主要在保证召回率的基础上尽可能的提高检测率;之后再分别结合上下文信息和随机森林，进一步提高突触的检测率。
　　其次，采用通过数学形态学运算与区域生长相结合实现突触形态结构的分割。该过程先通过阈值分割、形态学腐蚀操作和形态学开运算等得到突触结构的初步分割结果;之后又通过拟合、最短路径的方法得到合适的种子区域，按照一定的规则，将种子区域周围像素值在指定阈值内的像素点添加进来，从而得到良好的突触形态结构分割结果。
　　最后将拼接配准好的序列切片图像中的突触致密结构依次叠加起来，即得到突触的三维重建结构。
　　本文提出的突触重建方法，不仅适用于各向同性的序列切片图像，还适用于大体量的各向异性较明显的序列切片图像中突触的三维重构。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 微观重建技术的研究现状与展望

1．2．1 国外研究现状

1．2．2 国内研究现状

1．3 研究来源及具体内容

1．3．1 研究来源

1．3．2 研究内容

第2章 序列图像的获取及预处理

2．1 实验平台简介

2．2 样本等离子刻蚀技术

2．3 图像拼接配准

2．4 本章小结

第3章 自动化检测相关算法介绍

3．1 引言

3．2 特征描述

3．2．1 Haar特征

3．2．2 LBP特征

3．2．3 HOG特征

3．3 检测算法概述

3．3．1 AdaBoost算法

3．3．2 决策树算法

3．3．3 随机森林算法

3．4 本章小结

第4章 突触的检测方法

4．1 引言

4．2 基于AdaBoost算法的突触检测

4．3 上下层信息关联

4．4 基于随机森林算法的突触分类

4．4．1 特征提取

4．4．2 构建随机森林分类器

4．4．3 随机森林算法进行突触检测

4．5 本章小结

第5章 突触的分割与重建

5．1 引言

5．2 形态学运算

5．3 拟合

5．4 最短路径

5．5 区域生长

5．6 突触的三维重建

5．7 小结

第6章 实验结果性能分析

6．1 算法性能衡量标准

6．1．1 ROC曲线

6．1．2 PR曲线

6．2 检测结果分析

6．3 分割结果分析

6．4 本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢