一种交互式的图像细分方法,用于主要嗅球的解剖结构,具有微层分辨率
Xin Liu1, Anan Li1,2, Yue Luo1
1Britton Chance Center and MoE Key Laboratory for Biomedical Photonics, Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology, Wuhan, China.
Frontiers in neuroinformatics
|January 8, 2024
概括
研究人员开发了一种用于动物主要嗅球 (MOB) 3D重建的新方法. 这项技术准确地绘制了微分辨率的神经通路,克服了以前的成像挑战.
科学领域:
- 神经科学是一个神经科学.
- 计算生物学 计算生物学
- 医疗成像医学成像
背景情况:
- 主嗅球 (MOB) 对于动物的嗅觉至关重要.
- 准确的3D重建MOB结构对于剖析神经通路至关重要.
- 由于复杂的结构和高分辨率成像,当前的方法面临着挑战.
研究的目的:
- 为MOB.开发一种交互式的,微级分辨率的体积图像分割方法.
- 为了使MOB内的解剖结构能够精确地进行3D形态重建.
- 为了克服细分复杂神经架构的局限性.
主要方法:
- 手动注释以获得初始结构位置.
- 一个基于补丁的神经网络,训练用于复杂的纹理特征学习.
- 随机补丁采样,预测和基于强度的注释重建.
- 使用微光切割断层扫描 (MOST) 进行Nissl染色的大脑图像.
主要成果:
- 实现了81.8%的平均子相似系数 (DSC),表明优异的细分性能.
- 生成MOB解剖结构的光滑和自然的3D重建.
- 证明了全脑3D形态重建的可行性.
结论:
- 提出的交互式细分方法有效地重建了MOB结构的3D形态在微层分辨率.
- 这种方法显著提高了研究嗅觉系统神经通路的能力.
- 该方法有可能在整个大脑中进行详细的3D解剖绘制.
