脑神经组织微观结构重建是探索大脑工作原理的基础。为了重建脑神经组织的微观结构,首先需要获取动物脑神经组织样品,然后通过电子显微镜(Electron Microscopy,EM)采集神经组织的序列显微图像,最后结合图像处理、计算机视觉相关算法与专业的大规模微观重建软件工具对神经组织电镜图像进行处理与分析,获得脑神经组织的信息化表示。神经元分割是神经组织电镜图像处理的基础环节,也是神经组织微观重建工作中的一大难点。在目前已有的大规模神经组织重建工作中,通常使用结合了算法自动分割和人工标注软件工具的半自动方法进行神经元的分割。因此研究高精度的自动化神经元电镜图像分割算法以及开发高效的软件工具以降低重建过程中的人工干预程度对于快速获得神经组织微观重建结构具有十分重要的意义。本文的研究基于中国科学院自动化研究所微观重建与分析研究组搭建的神经大数据重建与分析平台。针对该平台采集的神经组织电镜图像特性,提出了一种基于超像素的神经元自动分割算法,并开发了一套对应的人工校验软件工具。其中,自动分割算法包含了超像素生成与合并两步。算法首先使用深度卷积神经网络对图像中的细胞膜进行检测获得细胞膜检测概率图;然后在细胞膜检测概率图的基础上生成神经元超像素,该过程主要包括概率图的中值滤波、阈值化处理以及基于分水岭算法的超像素生成;之后采用二叉树结构对神经元超像素建立层级关系,在建立层级关系中,使用了随机森林的监督学习方法计算超像素之间的合并概率,作为建立层级关系的依据;最后通过解析层级结构获得最终分割结果。软件工具用于对算法自动分割结果进行人工校正并获得最终的图形化神经组织微观重建结果。首先将算法的自动分割结果转化为文本文件的形式存储,可大幅提高使用性能;然后基于开源软件Trak EM2开发修改工具,实现对算法分割错误结果的人工校验。