脑是人和动物感知、认识外部世界的重要器官，其基本构成单元是细胞。脑细胞的构筑是脑细胞的排列和组织特性，其具体表现为细胞的数量、密度和空间分布等特征。脑细胞构筑是脑功能的结构基础，不同脑区的细胞数量和密度有着特异性。脑细胞构筑也和脑疾病的发生机理密切相关，脑区细胞的缺失或者损失，使得支撑脑功能的细胞数量和密度发生较大改变，导致脑区的功能受损从而引发疾病。因此脑细胞构筑的研究对于理解脑的功能和脑疾病的发生机理有着重要的意义。　　传统的细胞构筑研究方法是首先对脑组织切片样本进行Nissl染色，然后用显微镜获取脑组织的二维细胞图像。近年，武汉光电国家实验室的小组研发出了一种显微光学切片断层成像（Micro-Optical Sectioning Tomography，MOST）系统，能够获取小鼠全脑细胞分辨率的三维图像数据集。然而，无论是传统的显微成像获取的数据集，还是显微光学切片断层成像采集的全脑数据，直接应用仅能用于定性的观察，如需定量分析就需发展细胞分割算法，获取细胞的位置和轮廓信息，才能计算出细胞的数量、密度和空间分布等参数，从而达到表征细胞构筑特征的目的。　　传统的细胞分割方法对孤立细胞的分割效果较理想。然而在细胞互相粘连、没有明显边界的情况下，传统的方法倾向于把多个粘连细胞当做一个细胞分割出来。这就使得后续的细胞数量计算、密度和空间分布分析等产生错误，从而导致细胞构筑的研究产生错误结论。本论文的主要工作围绕如何准确分割粘连细胞进行了研究，其主要贡献如下：　　（1）对粘连细胞的特征进行了分析。首次建立了较为系统的粘连细胞特征分析方法，从面积、细胞粘连方式和几何特征等方面，对其特征进行详细分析，并且对比了二维空间和三维空间粘连细胞的特征差异。基于这些分析，论证了已有的粘连细胞分割算法的缺陷，随后结合凹点和图论切割的方法，提出了解决粘连细胞分割的新方案。　　（2）基于二维空间粘连细胞的形态，具体提出了基于凹点和归一化切割的算法。首先利用粘连细胞之间的凹点信息来构建图的权重矩阵，使得图的权重矩阵受限，保证在后续的归一化切割过程中，切割发生在细胞粘连处，最后实现二维粘连细胞的准确分割。在MOST系统获取小鼠脑的尼氏染色二维数据集上，本论文提出的算法的检测率和准确率分别达到94.1％和87.0％，高于几种常用的二维分割算法。　　（3）针对三维空间粘连细胞的形态，具体提出了基于凹点和随机游走切割的算法。首先对细胞粘连之间的凹点进行聚类，得到聚类中心，并生成种子点；再基于种子点，使用随机游走切割算法进行分割，得到细胞轮廓。在MOST系统获取的三维数据集上，其算法的检测率和准确率分别为89.7％和88.0％，高于常用的三维分割算法。　　（4）对小鼠脑桶状皮层区域的细胞密度和空间分布进行了定量研究。基于上述设计的细胞分割算法，对鼠脑的桶状皮层数据进行了细胞分割和定量分析，计算细胞数量和密度，并得到细胞密度在皮层不同深度的分布曲线。根据细胞密度分布曲线，验证了传统定性分析方法的结论，并得到更为准确的定量化结论。