论文部分内容阅读
神经元形态的多样性对于大脑完成各种功能至关重要,脑疾病也常伴随神经元形态的变化。因此,研究神经元形态,尤其是承载复杂脑功能的皮层神经元的形态,对于揭示大脑的奥秘具有重要意义。Golgi染色能对神经元进行稀疏且随机标记,是神经元形态研究的重要工具。但传统Golgi染色常应用于一定厚度的脑组织切片,获取二维层次的神经元形态。结合改良后的Golgi-Cox染色技术和显微光学断层成像(Micro-Optical Sectioning Tomography,MOST)技术,能获取Golgi染色小鼠全脑且亚微米水平的连续切片图像数据,为神经元三维形态研究提供了新的材料。基于两套Golgi染色-MOST高分辨小鼠全脑图像数据集,本文以皮层神经元的典型代表——桶状皮层神经元为对象,研究了借助原始全脑图像数据集获取并分析桶状皮层神经元三维形态数字化模型的完整研究流程。其中,本文主要解决了以下三个问题:首先,在原始数据预处理中,通过抽样平均和固定冗余像素裁剪参数消除了利用灰度分布计算裁剪参数可能导致的图像损失;在周期噪声去除前同步完成图像拼接和尺寸统一,有效消除了噪声干扰对后续神经元形态分析准确性和效率的影响;借助经典参考图谱以及最小值投影图,完成了在全脑图集中定位和提取桶状皮层B1SF区。其次,在桶状皮层神经元三维形态提取中,通过交互式分割,获取了50个桶状皮层神经元突起和胞体轮廓的数字化三维形态模型。最后,在神经元形态学分析中,用6种常见的形态学参数对所得到的神经元三维形态进行了定量计算和初步分析;并将所得到的结果和神经元形态数据库NeuroMorpho.org所提供的相关结果进行了初步对照分析。本文探索的基于Golgi染色鼠脑图集的皮层神经元三维形态的基本研究方法有望推广到多个脑区,甚至全脑范围,为借助高分辨海量全脑图像数据集进行更为深入的神经元形态学研究奠定了基础。