基于 YOLOv8 的荧光显微镜中神经元形态学自动分析

荧光显微镜图像中神经元细胞的精准分割和形态学分析是神经科学和生物医学成像应用中的关键步骤。然而，这一过程具有繁重的工作负担和耗时的特点，需要大量的人工工作和专业知识才能确保可靠的结果。本文提出了一种基于干细胞来源神经元高分辨率数据集的神经元实例分割和测量管道。该方法使用 YOLOv8 训练，数据集由手动标注的显微镜图像构成。模型实现了超过 97% 的分割精度。此外，管道利用 ground truth 和预测掩码来提取生物学上重要的特征，包括细胞长度、宽度、面积和灰度强度值。提取的形态学测量值的总体准确率达到 75.32%，进一步支持了该方法的有效性。该集成框架为细胞成像和神经科学研究中的自动化分析提供了有价值的工具，减少了对手动标注的需求，实现了神经元形态学的可扩展、精确量化。