在移动和变形大脑中自动跟踪神经元

光学神经成像技术的进展现在允许以细胞分辨率记录清醒且自由活动动物的神经活动。这些记录中的大脑运动带来了独特挑战。必须随时间在 3D 中跟踪单个神经元的位置，以准确提取单神经元活动轨迹。来自诸如 C. elegans 等小型无脊椎动物的记录尤其具有挑战性，因为它们在动物运动期间经历非常大的大脑运动和变形。在此，我们提出一种自动化计算机视觉流程，以单神经元分辨率可靠地跟踪自由运动的 C. elegans 大脑中经历大运动和变形的神经元群体。动物大脑的 3D 体积荧光图像被拉直、对齐和配准，图像中神经元的位置通过分割找到。然后使用我们称为神经元配准向量编码（Neuron Registration Vector Encoding）的新的时间无关机器学习方法为每个神经元分配身份。在该方法中，非刚性点集配准用于将该体积中每个分割的神经元与整个记录中取得的一组参考体积进行匹配。每个神经元与参考的匹配方式定义了一个特征向量，该向量被聚类以为每个体积中的每个神经元分配身份。最后，使用薄板样条插值来纠正分割错误并检查分配身份的一致性。此处提出的神经元配准向量编码方法独特地非常适合于跟踪经历大变形的大脑中的神经元。当应用于自由运动 C. elegans 的全脑钙成像记录时，该分析流程在 8 分钟记录期间定位了 150 个神经元，并且比手动或半自动方法更快且一致地找到更多神经元。