通过对神经元的无监督语义细分,在二维光显微镜中对神经元形态的自动化分析

科学领域:

• 神经科学是一个神经科学.
• 细胞生物学 细胞生物学
• 计算生物学 计算生物学

背景情况:

• 神经元形态,包括神经元外生和分支,对大脑功能至关重要.
• 手动分析神经元形态是耗时且容易产生偏见的.
• 自动化工具往往缺乏对个别神经元的语义分析.

研究的目的:

• 开发一个全自动化的开源软件来分类神经元神经病.
• 为了使神经元形态从二维光显微镜进行批量定量.
• 提供一个用户友好的工具,最小的交互要求.

主要方法:

• 基于Hessian的细分用于神经元检测和细胞体重建.
• 地测距离转换用于分类神经元 (轴突,树突,分支).
• 独立的,基于GUI的软件用于批处理.

主要成果:

• 该软件准确地重建和分类培养神经元中的神经元.
• 与已发布的数据集进行比较验证了软件的性能.
• 该工具重现了手工观察到的表型,证明了可靠性.

结论:

• 开发的软件提供了神经元形态学的加速和改进的形态测量研究.
• 现在可以对大型神经元数据集进行自动,一致的分析.
• 这个工具解决了对开源,全自动化神经质物分类的需求.