用于大规模细胞构筑脑图谱绘制的卷积神经网络

人脑图谱为表征不同脑、不同层次脑组织的数据提供空间参考系统。细胞构筑是脑微结构组织的基本原理，因为神经元细胞排列与组成的区域差异是连接与功能变化的指示。自动扫描流程与观察者无关的方法是可靠识别细胞构筑区、实现可复现脑区分割模型的先决条件。当从单个感兴趣区域的分析转向大规模全脑切片的高通量扫描时，时间成为关键因素。在此我们提出一种新流程，用于在人大体标本细胞体染色组织切片大序列中绘制细胞构筑区。它基于深度卷积神经网络（CNN），该网络在一对带标注的切片图像上训练，其间有大量未标注切片。模型学习以高精度且快于我们先前基于观察者无关映射的流程，创建其间所有缺失标注。新流程不需要切片先前的3D重建，且对组织学伪影具有鲁棒性。它高效处理规模达数太字节量级的大型数据集。该流程被集成到网页界面中，以便无深度学习与批处理计算专长者也能使用。将深度神经网络用于细胞构筑映射开启了实现高分辨率脑区模型的新视角，引入CNN来识别脑区边界。