使用从计算拓学的离散莫尔斯技术的神经系统过程的骨架化.

科学领域:

• 计算神经解剖学的计算神经解剖学
• 神经科学是一个神经科学.
• 计算拓学的计算拓.

背景情况:

• 绘制脊椎动物大脑中中等尺度神经回路的映射对于理解生物智能至关重要.
• 目前使用标记剂注射的方法根据标签强度量化区域预测,缺乏生物意义.
• 在密集的标记标记中追踪单个轴突的困难阻碍了详细的网络分析.

研究的目的:

• 引入一种新的计算方法,以对神经电路进行更有生物学意义的量化.
• 改进对脊椎动物大脑中注射的追踪器数据的分析.
• 为了弥合单轴子跟踪和批量跟踪器注入数据之间的差距.

主要方法:

• 标记的轴突碎片的骨架化.
• 使用深网和离散莫尔斯 (DM) 理论估计体积长度密度.
• 通过结合非局部连接信息来应用DM技术来提高噪声稳定性.

主要成果:

• 在全脑追踪器注入数据上证明了实用性和可扩展性.
• 开发了一个信息理论测量方法来量化来自单个轴突形态的额外信息.
• 在计算神经解剖学中首次成功应用DM技术.

结论:

• 与传统的基于强度的方法相比,拟议的方法提供了与神经投射有关的生物相关量化方法.
• 这种方法通过整合来自轴突骨架和追踪器数据的信息来增强神经连接的分析.
• 这项研究代表了绘制脊椎动物神经网络的重大进展,为更深入了解大脑功能铺平了道路.