斑马鱼胚胎图像神经元的检测作为观察不同药物作用效果的重要手段,对药物筛选的研究有着重要意义。先前的斑马鱼图像神经元分析的研究大多是基于人工标记的感兴趣区域或是专家肉眼检测的结果。由于人工观察和分析较为主观且烦琐耗时,不利于重现实验结果和分析大量数据。因此,有必要研究一种斑马鱼显微图像神经元自动检测算法,提高神经元检测的效率。这也为发展高通量斑马鱼图像的计算机量化及分析工具奠定基础。论文在充分分析斑马鱼图像特点的基础上,提出了一套快速、准确的斑马鱼神经元自动检测方案。首先,论文采用了基于形态学运算的分割方法,将斑马鱼胚胎从背景中分割出来。然后结合包含神经元的感兴趣区域的位置及形态特点,利用图像位置校准、分水岭算法、自适应阈值二值化、边界曲线拟合及最近邻域内插等五种算法的有机组合自动提取胚胎的感兴趣区域,并统计感兴趣区域的中心线长度及曲率。最后,论文在传统细胞计数的图像标号算法基础上提出了一种基于连通域跟踪的神经元计数算法,并与环形Hough变换检测神经元进行了比较。在论文提出的斑马鱼神经元自动检测方案的基础上,通过MATLAB设计开发了一个通用的斑马鱼胚胎图像神经元自动检测平台,利用Brigham and Women’s Hospital提供的斑马鱼胚胎图像实验样本对论文算法进行评测。实验结果表明,对具有不同朝向、不同弯曲度的斑马鱼胚胎,论文提出的斑马鱼胚胎图像神经元自动检测方案具有处理速度快、精度高、鲁棒性良好的优点。