脑功能和脑结构高度对应,了解脑功能的关键是在大范围内分析神经解剖学的差异。然而,脑样本形态特征的差异阻碍了多个样本的神经回路数据在统一的解剖空间内的统计。为了对齐跨样本和跨模态的图像,许多研究基于图像配准算法开发了若干自动或手动配准的专业工具,将鼠脑图像映射到参考图谱中。然而,基于灰度的传统配准方法只利用了低层次的局部灰度信息,容易受到样本形态特征和图像质量的影响。因此,这些自动配准工具不适用于大的不均匀变形、样品缺陷和纹理对比度低的非理想数据,而完全依赖于人工标记点的手动配准工具又过于低效。本文的研究旨在开发一种新方法和新工具,将多模态鼠脑图像,特别是非理想数据,稳健地配准和映射到图谱。主要研究内容和创新点如下:第一,提出了基于解剖上下文的配准方法。图像错误配准最显著的标志是配准结果的解剖上下文,即关键解剖结构原有的约束关系（多个面的平行或垂直）产生了紊乱。本文提出将解剖上下文的约束作为灰度特征引入配准过程,以抵抗无约束配准变换带来的解剖结构紊乱和错配。具体方案为:先通过预对齐和纹理增强,减少配准的不确定性;然后将关键的解剖结构半自动地提取出来,以灰度反转的形式融入原图并在这些位置表现出灰度突变,从而在随后的互信息配准中优先对齐,鲁棒地全局匹配;最后通过交互式标志点进一步精细矫正配准。定性比较和定量评价验证了该方案各步骤的有效性。第二,开发了一个多模态鼠脑图像的通用配准和映射框架,命名为大脑配准、识别和编码框架（简称为BRIEF）。工具提供友好的界面和交互模式,来标注、编码和管理解剖特征和标记点,并通过分模块的多页界面将其引入到配准流程中。利用定制化图谱和Imaris API,BRIEF还可以在数小时内以细胞分辨率对全脑神经细胞分布进行定量统计和可视化。本文应用BRIEF配准了多种模态的数据,并展示了细胞类型特异性神经回路研究和成像数据标准化方面的应用。本文的研究将为神经科学家高效地绘制神经回路提供新的方法和工具,促进对非理想条件获取的鼠脑图像的整合利用。BRIEF已经在特定神经回路解析的多个课题得到了使用,并实现了成果转化,在商业产品BioMapping9000得以应用。