一种神经元骨架重建方法及存储介质技术

本发明专利技术公开一种神经元骨架重建方法及存储介质，能够优化数字化重建骨架准确匹配图像信号的过程。该方法包括：首先将完整神经元骨架切分成若干段；然后对每个分段进行第一次信号追踪，将偏离信号的大部分神经元骨架优化到图像信号的中心；接着进行第二次切分和对每个分段进行第二次信号追踪和形态优化，将所有的神经元骨架优化到图像信号的中心后，可进一步进行骨架整体的形态优化。本发明专利技术根据全脑图像和全脑神经元重建骨架进行操作，提出了一种由局部到全局的全自动路径优化重建算法，用于解决神经元重建因为标注错误、图像分辨率由于切换、旋转、拼接等带来的坐标映射错误、不当的采样间隔等问题所带来的重建偏离信号中心的问题。

【技术实现步骤摘要】

本专利技术涉及神经元图像处理，特别是一种神经元骨架重建方法及存储介质。

技术介绍

1、神经科学的发展十分依赖于从全脑成像数据集中准确重建出神经元形态。随着成像技术和神经元信号追踪技术的不断发展，对高质量重建数据集的需求越来越大。尽管人类专家可以确保重建的质量和准确性，但仍然需要一套自动优化算法来处理由于拼接、旋转、拉伸、分辨率转换等不当重采样图像数据而引起的重建偏差和分支点的显著偏离问题。

2、mean shift(ms)作为一种算法，用于将重建的节点逐个移动到最近的图像质心，通常被用于改进局部成像块中的轴突重建。ms的一个缺点是需要提供最大搜索距离参数来约束解空间，这对于跨越数千个成像块的完整神经元重建来说很难通用。另一方面，基于ms的解决方案有一个错误假设，即质心位于神经突的中心线上，而全脑成像的数据中往往不是这样的。类似的方法比如3d shape restriction mean-shift[1]等则会优化每个重建节点到局部最优位置，而不考虑整个拟合的合理性。基于lasso方法[2]的另一种优化算法是存在的。它通过设置目标函数来优化神经元本文档来自技高网...

【技术保护点】

1.一种神经元骨架重建方法，其特征是，包括：

2.根据权利要求1所述的方法，其特征是，还包括，对第二次神经元信号追踪后得到的所述重建后骨架树，进行整体形态优化；

3.根据权利要求1所述的方法，其特征是，所述根据神经元骨架树的分叉点进行第一次切分，包括：根据分叉点位置将神经元骨架树切分成若干分支，并将长度超过设定长度的分支进一步切分成小段。

4.根据权利要求1所述的方法，其特征是，所述第一次神经元信号追踪和第二次神经元信号追踪分别采用图形增强的优化模型GD算法，GD算法以当前骨架树的每一分段的起点和终点的体素作为输入数据，进行神经束的追踪和重建神经元骨架...

【技术特征摘要】

1.一种神经元骨架重建方法，其特征是，包括：

2.根据权利要求1所述的方法，其特征是，还包括，对第二次神经元信号追踪后得到的所述重建后骨架树，进行整体形态优化；

3.根据权利要求1所述的方法，其特征是，所述根据神经元骨架树的分叉点进行第一次切分，包括：根据分叉点位置将神经元骨架树切分成若干分支，并将长度超过设定长度的分支进一步切分成小段。

4.根据权利要求1所述的方法，其特征是，所述第一次神经元信号追踪和第二次神经元信号追踪分别采用图形增强的优化模型gd算法，gd算法以当前骨架树的每一分段的起点和终点的体素作为输入数据，进行神经束的追踪和重建神经元骨架树。

5.根据权利要求4所述的方法，其特征是，所述第一次神经元信号追踪和第二次神经元信号追踪过程包括：

6.根据权利要求4所述的方...

【专利技术属性】
技术研发人员：彭汉川，刘力娟，姜升殿，刘裕峰，
申请(专利权)人：东南大学，
类型：发明
国别省市：