在脑科学领域中,研究动物大脑图像是了解大脑生理功能的最直接的途径。脑切片图像分析的一个重要步骤是通过匹配大脑切片到标准的大脑参考图集实现特定的脑区划分,并对每个脑区的标记神经元进行统计分析。以小鼠荧光标记脑切片为例,由于脑切片图像制备过程中引入的噪声和变形,以及与标准脑图谱图像的模态差异,导致脑切片图像无法直接与脑图谱图像建立精确的对应关系,进而影响到各个脑区中标记神经元数量统计的精度。同时,当前的脑切片图像区域定位及标记神经元计数研究主要依靠人工完成,需要投入大量人力、物力。因此,本文开发了一套基于图像表征和配准的小鼠脑切片标记神经元计数系统,能够全自动地实现小鼠脑切片图像的精确脑区定位及各个脑区中标记神经元的准确计数。完成的主要工作如下:（1）为了解决人工匹配脑切片图像和脑图谱图像的主观差异性问题,节省人力物力,本文提出了一种基于VGG-Net的脑切片图像和脑图谱图像自动匹配算法。该模型将脑切片图像与脑图谱图像的匹配任务转化为脑切片图像的分类任务,不仅能够为给定的脑切片图像索引到正确的脑图谱图像,而且成为标记神经元计数系统中的重要一步。（2）为了解决脑切片图像和脑图谱图像之间的模态差异导致直接配准误差较大的问题,本文在配准之前采用图像表征的模态转换方法,提出了一种基于UNet++的图像表征算法。该模型以编码器-解码器为基础,以深层聚合为跳跃连接路径,缩小解码器和编码器之间特征的语义鸿沟,降低网络学习的难度。提出的图像表征网络不仅能够缩小脑切片图像和脑图谱图像的模态差异,而且增强了两者的特征对应关系,对于实现两者的精确配准具有重要作用。（3）为了实现脑切片图像和脑图谱图像的准确配准,且在配准过程中保证图像的拓扑结构不变,本文提出了一种基于对称微分同胚的大脑图像配准算法,该模型具有对称微分同胚性、对称相似性和局部方向一致性。微分同胚性保证图像变形的可逆性和拓扑结构不变,对称相似性能够以双向的方式最大化变形图像之间的相似性,局部方向一致性通过对变形场施加正则化约束来保证图像变形时的拓扑结构不变。提出的图像配准算法能够在保证变形时图像拓扑结构不变情况下,快速且自动地实现理想的图像配准效果。（4）为了提升标记神经元的检测和计数效果,特别是实现对较小、多类型神经元的准确检测,本文提出了一种标记神经元检测算法,该模型采用解耦和无锚预测方式检测标记神经元。解耦预测将分类任务和回归任务分离,降低模型的训练难度,提升小目标的检测效果;无锚预测降低了检测模型的复杂度,提升了模型的检测速度。本文集成的小鼠脑切片标记神经元计数系统不仅能够自动化且大批量地处理脑切片图像,实现各个脑区标记神经元的准确计数,而且有效提高了脑科学研究者的工作效率。