解决在哪里问题和量化神经解剖学的几何变化,使用生成的diffeomorphic映射

科学领域:

• 神经科学是一个神经科学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 在整个脊椎动物大脑中绘制神经元细胞类型是神经科学的一个关键重点.
• 现有的工作流与多式联运信号,缺失数据和量化个体变化作斗争.
• 将多样化的分子和解剖学数据集集集成到一个共同的地图集中,带来了重大挑战.

研究的目的:

• 开发一个定量工作流程,在地图框架内统一多模式全脑图像.
• 解决复杂神经科学数据集映射现有方法的局限性.
• 为了推动神经科学研究,使各种数据集的大规模集成成为可能.

主要方法:

• 实现一个生成模型给定数据概率的数据概率. 亚特拉斯变换.
• 使用最大后期估计框架进行数据整合.
• 开发了一种编写跨数据集链的映射和计算几何量化指标的方法.

主要成果:

• 在各种数据集 (MRI,fMOST,组织学,snRNAseq) 中量化细胞密度和几何波动.
• 证明数据集中的个体变化往往大于组织加工带来的差异.
• 使用鼠标大脑数据集验证工作流.

结论:

• 建立了一个强大的,定量工作流程,用于在地图中集成多模式全脑数据.
• 开发的框架成功地统一了多样化的成像和分子数据.
• 促进大规模数据集成,这对于推进全面的神经科学理解至关重要.