一种长程投射神经元的可视化方法及装置制造方法及图纸

本发明专利技术公开了一种长程投射神经元的可视化方法及装置，方法包括将人工追踪的神经元骨架树进行拆分得到多根子段纤维；提取所述子段纤维的邻域三维图像信号并作投影；合并所述子段纤维的投影图像得到神经元的完整图像信号。装置包括第一获取模块，用于基于人工追踪的神经元骨架树获取神经元子段纤维的投影图像；第二获取模块，用于合并所有神经元子段纤维投影图像得到神经元完整图像信号。本发明专利技术能根据全脑神经元形态数据集和人工追踪的神经元骨架文件快速提取单个神经元的完整图像信息，方便神经科学研究者快速可视化整个神经元的原始图像数据。

A Visualization Method and Device for Long Range Projective Neurons

【技术实现步骤摘要】
一种长程投射神经元的可视化方法及装置
本专利技术属于神经科学图像分析领域，更具体地，涉及一种长程投射神经元的可视化方法及装置。
技术介绍
绘制神经回路图是现代神经科学的核心目标之一，它依赖于全脑范围内单神经元形态的精细重建和对投射模式与突触连接的分析研究。近年来荧光稀疏标记和大体积精细成像技术的研究使得亚微米分辨率下神经形态的全脑神经元形态数据集的获取成为可能，这些数据提供了神经元的完整形态信息。在分析和研究神经元形态、投射模式和突触连接时，我们通常需要追踪神经元的骨架结构，此外还需要提取已经追踪神经元的原始图像数据并且能够进行可视化。神经元的骨架结构能反应神经元的整体投射路径，除了投射路径，神经科学研究者还需要对神经元的原始图像进行研究，这些图像能提供纤维上的突触连接节点的信息、纤维宽度和纤维灰度强度信息等，同时也有助于帮助神经科学研究者检测已经人工追踪的神经元骨架是否和原始图像数据是匹配的。但是一套全鼠脑亚微米数据通常高达几TB到几十TB，同时一个长程投射的神经元的总长度可以达到几厘米到几十厘米，从这种体量的数据集中提取单个神经元的图像数据并可视化非常麻烦，当前缺乏方便好用的工具。商业软件Amira是一种有效三维图像数据可视化的工具，但是没有提供直接读取单个神经元图像数据及可视化的功能。间接的方案是在Amira里沿神经元纤维人工地分多次加载纤维附近局部的图像。这种方法不能一次提取单个神经元所有的图像数据，并且对于长程投射的神经元，约需要人工地分上百次加载图像数据且每次加载都需要计算局部图像相对全脑神经元形态数据集的位置偏移量，因此非常不便于神经科学研究者使用。另外局部图像不仅包括待可视化的神经元还包括邻近的其他神经元，这会干扰当前神经元的可视化。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种长程投射神经元的可视化方法，旨在解决当前三维大体积图像数据可视化软件难以直接处理长程投射神经元的问题。为实现上述目的，本专利技术提供了一种长程投射神经元的可视化方法，包括：将人工追踪的神经元骨架树进行拆分得到多根子段纤维；提取子段纤维的邻域三维图像信号并作投影；合并所有子段纤维的投影图像得到神经元的完整图像。优选地，将神经元骨架树视为一个二叉树结构，二叉树的每个边对应神经元的一根纤维。对单根纤维，计算其长度并按预定的子段纤维长度将其拆分成若干子段纤维。具体设T是神经元骨架树结构，T＝{E1，E2，…，En}表示将神经元骨架树结构拆成n根纤维。假设Ei的长度为li，子段纤维的长度为d，则这根纤维拆分的子段纤维数目mi＝[li/d]，Ei＝{S1i，S2i，…，Smii}表示将一根纤维拆成mi根子段纤维，其中[]表示向上取整。由于取整的原因，最后一根子段纤维的长度一般是小于等于d的。优选地，子段纤维的骨架一般是由一系列折线点连接而成，为了提取其邻域图像信号，本专利技术先对其进行等距插值。然后对每个等距插值点提取以该点为中心的球形区域。所有的球形区域组合在一起形成以骨架为中心线的圆柱体图像信号区域。具体设Sji表示神经元树的第i根纤维上的第j根子段纤维，假设Sji的长度为lji，插值点的间距为r，则需要插值的点的数目mji＝[lji/r]-1，其中[]表示向上取整。插值点的间距为r，同时设置球的半径为r，则所有相邻的球构并在一起形成成一个近似的圆柱体区域。优选地，根据每个子段纤维的邻域三维图像的投影图像对应的xy方向相对于全脑神经元形态数据集的全局位置偏移量，将所有子段纤维的邻域三维图像的投影图像拼接在一起。对于重合的地方，取所有值中的最大值。并且计算拼接得到的大图相对于全脑神经元形态数据集的xy方向的位置偏移量。按照本专利技术的另一个方面，提供了一种长程投射神经元的可视化装置，包括：第一获取模块，用于基于人工追踪的神经元骨架树获取神经元子段纤维的投影图像；第二获取模块，用于合并所有神经元子段纤维投影图像得到神经元的完整图像信号。优选地，第一获取模块包括：拆分单元，用于拆分神经元骨架树得到多根子段纤维；提取单元，用于提取所述子段纤维的邻域三维图像信号并作投影。通过本专利技术所构思的以上技术方案，与现有技术相比能够取得以下有益效果：1、针对当前三维大体积图像可视化软件难以直接处理长程投射神经元的难题，本专利技术提供了一种长程投射神经元的图像数据快速可视化方法，该方法能快速根据全脑神经元形态数据集和人工追踪的神经元骨架文件快速提取单个神经元的邻域图像信息，方便神经科学研究者快速可视化整个神经元的原始图像数据；2、本专利技术提出的方法能够将长程投射神经元的三维图像数据从全脑神经元形态数据集中提取出来并以二维投影的方式可视化，因为该方法仅仅提取神经元骨架线条邻域的三维图像，所以可排除其他神经元图像数据对当前神经元的干扰；长程投射神经元在全脑内的投射范围在立方毫米量级，覆盖单个长程投射神经元的三维图像的体素数目能达到千亿，难以读取和可视化，本专利技术将邻域的三维图像投影成二维图像，这样处理能将神经元的原始图像数据可以全部存储在拼接好的二维图像中，更加便于神经科学研究者可视化单个神经元的原始图像数据，并且拼接好的二维图像中包含神经科学研究者所需要的神经结构信息，包括突触连接节点、纤维宽度和纤维灰度强度等信息。附图说明图1是本专利技术实施例提供的一种长程投射神经元的可视化方法的流程示意图；图2是本专利技术实施例提供的神经元骨架拆分示意图；图3是本专利技术实施例提供的子段纤维邻域图像信号提取的示意图；图4是本专利技术实施例提供的一种长程投射神经元的可视化方法提取的长程锥体神经元的效果图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间不构成冲突就可以相互组合。本实施例中全鼠脑亚微米分辨的神经元形态数据集的大小为30380×49000×8179(0.2×0.2×1.0um3)，总共约7.24TB。在该鼠脑神经元形态数据集中包含一个已经人工追踪的长程投射锥体神经元，其长度约104um。如图1所示为本专利技术实施例提供的一种长程投射神经元的可视化方法的流程示意图，在图1所示的方法中，包括以下步骤：将人工追踪的神经元骨架进行拆分得到多根子段纤维；提取子段纤维的邻域三维图像信号并作投影；合并所有子段纤维的投影图像得到神经元的完整图像信号。具体地，将神经元骨架树视为一个二叉树结构，二叉树的每个边对应神经元的一根纤维。对单根纤维，计算其长度并按预定的子段纤维长度将其拆分成若干子段纤维。具体设T是神经元骨架树结构，T＝{E1，E2，…，En}表示将神经元骨架树结构拆成n根纤维。假设Ei的长度为li，子段纤维的长度为d，则这根纤维拆分的子段纤维数目mi＝[li/d]，Ei＝{S1i，S2i，…，Smii}表示将一根纤维拆成mi根子段纤维，其中[]表示向上取整。由于取整的原因，最后一根子段纤维的长度一般是小于等于d的。本实施例中d设置为80um。如图2示意了神经元的骨架树的拆分方法，对照二叉树该神经元有7根纤维，针对纤维1将其拆分为等长的6根子段纤维，其他纤维也按照同样方法拆分。具本文档来自技高网...

【技术保护点】
1.一种长程投射神经元的可视化方法，其特征在于，包括：将人工追踪的神经元骨架树进行拆分得到多根子段纤维；提取所述子段纤维的邻域三维图像信号并作投影；合并所述子段纤维的投影图像得到神经元的完整图像信号。

【技术特征摘要】
1.一种长程投射神经元的可视化方法，其特征在于，包括：将人工追踪的神经元骨架树进行拆分得到多根子段纤维；提取所述子段纤维的邻域三维图像信号并作投影；合并所述子段纤维的投影图像得到神经元的完整图像信号。2.如权利要求1所述的方法，其特征在于，所述神经元骨架树为二叉树结构，所述二叉树的每个边为神经元的一根纤维。3.如权利要求1所述的方法，其特征在于，所述子段纤维的长度相等。4.如权利要求1所述的方法，其特征在于，所述提取所述子段纤维的邻域三维图像信号包括对所述子段纤维进行等距插值，提取区域为以每个等距插值点为中心的球形区域的并集。5.如权利要求1所述的方法，其特征在于，所述提取所...

【专利技术属性】
技术研发人员：骆清铭，龚辉，程胜华，王小俊，刘钰蓉，曾绍群，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42