神经追踪器:基于Python的软件工具包,用于在连续块面显微镜中可视化和跟踪神经纤维组,使用紫外线表面激发图像

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 医疗成像医学成像

背景情况:

• 了解周围神经的空间组织对于神经解剖学和神经调节疗法至关重要.
• 连续块面显微镜 (3D-MUSE) 能够对活体神经进行深度成像.
• 在3D-MUSE数据集中需要专门的软件工具来进行常规的神经纤维可视化和跟踪.

研究的目的:

• 开发定制软件,用于外围神经的显微镜轨道图.
• 为了处理和可视化神经纤维通路沿神经样本的长度.

主要方法:

• 修改计算机视觉算法 (光流,结构张量) 用于跟踪神经纤维.
• 实现了交互式简化可视化和手动编辑工具.
• 嵌入可选的深度学习细分,用于束识别,以限制 Tractography.

主要成果:

• 在几毫米的神经长度中,实现了0.75以上的平均子重叠度量.
• 曲谱图显示出对图像属性变化的稳定性 (减样),对准确度的影响最小.
• 通过使用通道图学,成功地确定了迷走神经样本中的囊融合.

结论:

• 在3D-MUSE外围神经数据集上展示了自动化显微镜轨道图的可行性.
• 开发的软件适用于其他成像模式.
• 这个软件,NerveTracker,是开源的.