神经元及其位置的自动识别
生物物理
2008-05-01 v2 神经元与认知
摘要
为了在脑内进行具有统计显著性的空间组织测量（如最近邻和微柱状性测量），需要获取大量神经元胞体（>10^4）的独立位置。本文介绍了一种自动神经元识别算法（ANRA），该算法可在恒河猴大脑皮层尼氏染色、30 微米厚冷冻切片的数字化图像中获取单个神经元的 (x,y) 位置。由于神经元染色的变异性、神经元的重叠、组织表面存在部分或受损神经元，以及存在非神经元物体（如胶质细胞、血管和随机伪影），在此类尼氏染色切片中识别神经元 inherently 困难。为克服这些挑战并识别神经元，ANRA 结合了图像分割和机器学习。步骤包括：使用主动轮廓分割寻找潜在神经元胞体的轮廓，随后利用分割属性（大小、光密度、回转度等）训练人工神经网络，以区分神经元与非神经元分割。ANRA 在广泛的尼氏染色图像上能正确识别 86[5]% 的神经元，误差为 15[8]%（均值 [标准差]），而半自动方法的结果为 80[7]%/17[12]%。ANRA 的另一个优势是，与半自动方法相比，其速度可无限提升，且计算效率高，使用标准个人计算机每分钟可识别约 100 个神经元。ANRA 适用于分析巨大的尼氏染色组织照片拼接图，从而为快速、高效和定量分析全球实验室和研究收藏中现存的大量档案材料打开了大门。
引用
@article{arxiv.0712.1845,
title = {Automated identification of neurons and their locations},
author = {Andrew Inglis and Luis Cruz and Dan L. Roe and H. E. Stanley and Douglas L. Rosene and Brigita Urbanc},
journal= {arXiv preprint arXiv:0712.1845},
year = {2008}
}
备注
38 pages. Formatted for two-sided printing. Supplemental material and software available at http://physics.bu.edu/~ainglis/ANRA/