基于序列切片图像的突触三维重建技术研究

基于序列切片图像的突触三维重建技术研究

ID:22273919

大小:55.50 KB

页数:6页

时间:2018-10-28

基于序列切片图像的突触三维重建技术研究_第1页
基于序列切片图像的突触三维重建技术研究_第2页
基于序列切片图像的突触三维重建技术研究_第3页
基于序列切片图像的突触三维重建技术研究_第4页
基于序列切片图像的突触三维重建技术研究_第5页
资源描述:

《基于序列切片图像的突触三维重建技术研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于序列切片图像的突触三维重建技术研究-->第1章绪论1.1研究背景和意义人类大脑由100多亿个神经细胞构成,相当于银河系中星体的总数,所以可以看做是一个“小宇宙”。然而,我们却对自己的大脑知之甚少。为了研究大脑的工作原理,美国于2013年宣布启动脑科学计划(BrainResearchthroughAdvancingInnovativeNeurotechnologies,BRAIN)[1],欧盟和日本也紧随其后,分别启动了欧洲脑计划(TheHumanBrainProject)[2]和日本大脑研究计划(BrainMappingbyIntegratedNeurotechn

2、ologiesforDiseaseStudies,Brain/MINDS)。而在中国,中国科学院早在2012年就已启动了战略性先导科技专项(B类)“脑功能联结图谱计划”(MappingBrainFunctionalConnections,简称脑功能图谱),充分体现了中国科学院的科学家们对脑科学研究的高度重视。此外,中国脑科学和智能技术相关领域的专家也就“脑科学与类脑科学研究”计划(简称“中国脑计划”)的启动达成了基本共识。...............1.2微观重建技术的研究现状与展望神经元标注和成像方法的相关研究已有100多年的历史,但是由于受限于计算机的存储和分析

3、能力,对大规模突触尺度的神经环路的研究,直到最近几年才较大范围的开展起来。相应的,基于大体量神经解剖电镜图像数据集的计算分析、重建神经元形态以及整个神经环路,也成为了一个新的研究领域[3]。图1-1为不同尺度的脑图谱所蕴含的信息示意图。由图可知脑图谱所蕴含的信息与其探索的尺度密切相关,一般从宏观、介观和微观三个层面进行展开。其中微观重建即表示突触水平的神经结构的三维重建。...............第2章序列图像的获取及预处理2.1实验平台简介尽管近年来荧光显微镜的分辨率得到了很大的提升,电子显微镜仍然是突触成像以及观察与分析其形态特征等方面的唯一工具[21]。中国

4、科学院自动化研究所微观重建与分析研究组在现有的电子显微镜等仪器设备的基础上,联合国内神经科学领域相关实验室,实现了脑微观结构重建平台的搭建工作,如图2-1所示,图中表示的是该平台实现的样品制备、自动切片到电子显微成像、图像合成以及最后的三维重构等相关内容。...............2.2样本等离子刻蚀技术在生物样品制备和图像获取方面,目前很难获得兼具衬度一致性好、组织结构边缘锐度较理想的图像,且由于SEM成像主要采用图像获取速率较慢的背散射电子成像,导致生物组织样品的图像获取周期较长。其次,利用算法对已有报道中所获取到的背散射电子图像进行生物微观组织结构自动识别时

5、遇到了较大挑战,主要表现在识别准确率和效率方面。因此,迫切需要寻找一种能快速获取到衬度一致性好、组织结构边缘锐度理想的生物组织电子显微图像的方法。...............第3章自动化检测相关算法介绍...............103.1引言................103.2特征描述................11第4章突触的检测方法................234.1引言.................234.2基于AdaBoost算法的突触检测...............24第5章突触的分割与重建................295.

6、1引言................295.2形态学运算...............29第6章实验结果性能分析6.1算法性能衡量标准在机器学习、图像识别和信息索引等领域,一般采用ROC曲线(ReceiverOperatingCharacteristiccurve)和PR(PrecisionRecall)曲线作为算法优劣的衡量标准。ROC曲线是用于描述灵敏度的功能图像,通过描述真阳性率(TruePositiveRatio,简称TPR)和假阳性率(FalsePositiveRatio,简称FPR)来实现。其中TP(TruePositives)是指预测为正样本,实际也是

7、正样本的特征数;FP(FalsePositives)指预测为正样本,但实际上是负样本的特征数,因为错预测为了正样本,故称之为FalsePositive。...............6.2检测结果分析图6-2表示AdaBoost的检测结果、AdaBoost结合上下层信息得到的检测结果和AdaBoost算法结合上下层信息和随机森林三种方法累加得到的检测结果的PR曲线,更加直观的反映了最终检测流程的有效性。从图6-2可以看出,采用AdaBoost算法对突触进行检测时,PR曲线(下)中不同参数下的平均准确率均值(MeanAveragePrecision,m

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。