一种神经元形状的数字化重建方法及其系统

技术特征：
1.一种神经元形状的数字化重建方法，其特征在于：包括以下步骤：s1：通过线性插值法在神经元突起路径中插入一系列用于描述神经元突起路径的中心线的等间距的节点p0；s2：依次计算以p0为中心点的局部范围内信号强度最强的像素节点p1，并以p1作为p0的校正点；s3：通过角度约束条件和信号强度约束条件对节点p1进行循环检验和校正，得到精细校正后的节点p2，连接各节点p2，得到精细校正后的神经元突起路径；s4：提取神经元突起路径上各节点的正交平面；s5：分割各正交平面，提取出前景信号；s6：估算各正交平面的半径；s7：循环判断计算结果的准确性后，输出计算结果。2.根据权利要求1所述的一种神经元形状的数字化重建方法，其特征在于：步骤s2中，分别在三轴方向上通过确定以p0为中心点的局部范围内所有像素点和高斯核函数的卷积，从而得出以p0为中心点的局部范围内信号强度最强的像素节点p1的三轴坐标，p1坐标的计算公式为：其中，gau表示高斯卷积核，g(p0)为p0在三维坐标轴上的函数。3.根据权利要求1所述的一种神经元形状的数字化重建方法，其特征在于：所述角度约束条件为：神经元突起路径节点p1与其父、子节点连线形成的角度大于等于120
°
；所述信号约束条件为：判断神经元突起路径节点p1的信号强度大于其周边邻域以及其父、子节点的信号强度。4.根据权利要求3所述的一种神经元形状的数字化重建方法，其特征在于：步骤s3中，若节点p1同时符合角度约束条件和信号约束条件，则保留结果；若节点p1不符合其中一个或两个条件，则重复步骤s2、s3。5.根据权利要求4所述的一种神经元形状的数字化重建方法，其特征在于：所述步骤s4包括：s41：根据节点p2与其父节点p
f
、子节点p
c
的位置关系，得到圆弧c1；s42：根据圆弧c1、节点p2、p
f
以及p
c
的拓扑关系，计算出圆弧c1在节点p2处的切向量v1；s43：通过切向量v1得到以v1为法向量的平面a1，所述a1为神经元突起路径节点p2的正交平面。6.根据权利要求5所述的一种神经元形状的数字化重建方法，其特征在于：所述步骤s5包括：s51：提取出平面a1上的所有像素点，得到神经元突起路径节点p2的正交平面图像；s52：增强所述正交平面图像中神经元突起的前景信号和背景信号之间的差距；s53：将所述正交平面图像上的像素点二值化，提取出前景信号；s54：利用图像形态学的开运算分离出干扰信号；s55：使用连通域分析，标记出分离干扰信号后的正交平面a2。7.根据权利要求6所述的一种神经元形状的数字化重建方法，其特征在于：所述步骤s6包括：
s61：计算出正交平面a2中前景信号的像素点个数n2；s62：利用图像分辨率和像素点个数n2计算出正交平面a2中所有像素点所占面积s2；s63：通过圆形面积计算公式得到正交平面a2的半径r。8.根据权利要求1所述的一种神经元形状的数字化重建方法，其特征在于：所述步骤s7中，循环判断计算结果的准确性，若计算结果准确，则输出计算结果；若计算结果不准确，则重复步骤s2-步骤s6，直至判断计算结果准确后输出。9.根据权利要求1所述的一种神经元形状的数字化重建方法，其特征在于：所述步骤s7中，基于如下公式判断计算结果的准确性：基于如下公式判断计算结果的准确性：α＝a*cosγ
o
b(1，4)其中，p为使度量值f取得最大值的点，γ为搜索路径上的输入节点p2与其父子节点所形成的两个向量之间的夹角，gp表示路径上的点p的信号强度，β为代表信号强度的权重因子，α为代表角度大小的权重因子，dis表示搜索点距离校正起始点的距离，a、b、c为设定值，γ
o
表示输入的节点p2与其父、子节点所形成的两个向量之间的夹角。10.神经元形状的数字化重建系统，其特征在于：包括：神经元突起路径线性插值单元，用于通过线性插值法在神经元突起路径中插入一系列用于描述神经元突起路径的中心线的等间距的节点p0；神经元突起路径初步校正单元，用于依次计算以p0为中心点的局部范围内信号强度最强的像素节点p1，并以p1作为p0的校正点；神经元突起路径精细校正单元，用于通过角度约束条件和信号强度约束条件对节点p1进行循环检验和校正，用于得到精细校正后的节点p2，连接各节点p2，得到精细校正后的神经元突起路径；路径节点正交面提取单元，用于提取神经元突起路径上各节点的正交平面；路径节点正交面分割单元，用于分割各正交平面，提取出前景信号；半径估算单元，用于估算各正交平面的半径；循环判断单元，用于循环判断计算结果的准确性后，输出计算结果。

技术总结
本发明公开了一种神经元形状的数字化重建方法及其系统，针对神经元突起全脑分布的形态数据尤其是缺乏路径节点半径信息的数据，结合纤维光学成像技术获取的亚微米分辨率图像数据集，设计出一种能够用于神经元形状重建的突起路径优化及路径节点半径自动估算的方法。本发明能校正现有神经元突起的神经元突起路径，提高其与图像中神经元突起中心线的贴合程度，且可以消除神经元突起路径锯齿化的现象。同时，结合神经元图像和优化后的神经元突起路径自动的估算每个神经突起路径节点处的半径，提高已有神经元突起路径半径的精确度和计算效率。效率。效率。


技术研发人员：李安安 蒋思齐 潘正宇 万梦钰 龚辉 骆清铭
受保护的技术使用者：华中科技大学苏州脑空间信息研究院
技术研发日：2022.06.28
技术公布日：2022/9/2