神经元形态结构的研究是脑神经科学研究中的重要方法之一。先进显微成像技术提供了大规模神经元形态数据,神经元形态数字化重建成为了神经形态分析的关键手段。神经突起追踪是神经元形态重建的核心步骤,尽管有很多自动算法被提出,但大都集中于单神经元追踪的研究。在多神经元数据中,寻找能够替代耗时耗力人工追踪过程的快速可靠算法依旧是尚未解决的难题。在诸多因素当中,弱信号提取问题与神经元拓扑逻辑关系确定问题被认为是多神经元突起追踪的主要瓶颈所在。针对弱信号提取问题,本文对神经突起追踪的前处理图像增强过程进行研究。首先对多尺度算子图像增强方法进行研究与实现。然后基于全卷积神经网络迁移学习方法发展了一种新的神经突起管状结构图像增强方法,提供了一种能在神经突起阈值分割中提高信号完整性的新的方法选择。针对神经元拓扑逻辑关系确定问题,本文提出了一种分类再追踪方法。方法主要包括分类模块与再追踪方法两部分。在分类模块部分,通过支持向量机分类算法对初始追踪结果片段进行分类,来改善初始追踪中的神经元突起信号的归属判断错误。模块由局部提取,片段提取与片段分类等过程构成,在神经突起信号密度较低时实现了与人工判断相当的分类结果。本文基于体素编码原理编程实现初始神经突起追踪方法,并在此基础上进行改进设计,实现了一种再追踪方法,通过在第二次追踪中对图像数据进行局部替换来对分类模块的结果进行整合利用,形成了一套完整的多神经元突起自动追踪改进方法。