大脑结构与功能通常与脑区紧密联系在一起,脑区作为重要空间位置参考,可以为脑内结构信息进行准确定位。因此,对脑区进行定位,获取脑区的位置和边界轮廓成为了神经科学研究中的重要技术需求。近年来脑区定位技术发展迅速,但这些方法主要研究的对象是低分辨率的组织学图像,其共同特点是脑区内的灰度分布较为均匀。在单细胞水平开展脑网络研究是最近10年里发展起来的重要领域,单细胞水平脑网络的空间定位需要更高精度的脑区边界与之匹配,但单细胞分辨的脑图像具有更加丰富和精细图像信息,表现为复杂和不连续的脑区边界,有时甚至脑区没有清晰的灰度纹理,并不能简单应用现有技术去自动定位脑区的位置。为了解决适用于单细胞分辨水平鼠脑显微图像的脑区定位方法,并初步展示其在脑血管与突触空间信息定位中的应用潜力,本文主要的研究内容如下:（1）针对图像纹理差异较为显著的脑区,研究了基于脑区细胞构筑纹理分割的脑区定位方法,构建了适用于单细胞分辨图像脑区分割的马尔科夫随机场新模型。首先将分数阶微分运算引入图像纹理特征提取过程,强化对纹理细节和边缘轮廓地共同描述,弥补传统算法对图像纹理信息描述不足的缺陷。在最优解求解过程中,把不同脑区之间的灰度特征和距离因素引入到势函数中重新定义,提高了分割准确度。构造了双层马尔科夫随机场结构,解决了高分辨图像数据计算资源消耗过大的问题。在分割后处理中,进一步利用模糊熵准则对脑区边界进行更精细地提取。该方法在物理模型数据和真实鼠脑图像中都进行了测试,其中,对较大脑区的分割准确度达到90%,对较小脑区的分割准确度约为85%。（2）针对图像纹理差异不显著的脑区,研究了基于细胞形态分类的脑区定位方法。该方法通过定义非线性的灰度变换和动态阈值二值化,解决了细胞分割需要图像对比度高的要求。在对目标区域细胞进行特征提取时,从数学上分别定义了二维和三维细胞的形态特征,解决了细胞形态特征定量分析的难题。为了实现了高效率地细胞分类,构造了一种新的最近邻决策树分类器,最后在细胞形态分类的结果上实现脑区定位。该方法在真实鼠脑图像上进行测试,展示了在视觉皮层的细胞分类结果,以及在桶状皮层和小脑皮层上脑分区定位的结果,其准确度平均在90%。（3）利用提出的脑区定位方法,开展了脑空间信息分布定位的应用研究。首先对脑表面血管、脑内穿行血管和毛细血管网的空间位置进行了定位,并计算了脑血管在全脑的密度分布,得到了全脑的二维和三维血管密度图谱。然后,对记忆功能环路的突触分布进行了全脑定位和特定脑区突触数目地定量分析。最后分析突触和脑血管在不同脑区的分布特征,发现突触在不同脑区的数量分布差异明显,但是其大小分布没有明显差异,血管的密度与突触的密度有显著的正向线性相关性,而与细胞的密度没有显著的相关性。这些应用为脑成像的功能解析提供了新的可定量计算的研究途径。研究结果表明本文提出的方法,为单细胞分辨图像脑区定位提供了一套有效的解决方案,能够对细胞构筑纹理有差异和细胞形态有差异脑区进行亚微米地精细定位,一定程度上弥补了现有技术的不足,为介观水平脑科学研究创造了基础条件。