[发明专利]一种荧光图像中单神经元树突棘的自动检测方法及系统

说明书

本发明公开了一种荧光图像中单神经元树突棘的自动检测方法及系统，其中，方法的实现包括：将待测三维荧光图像拆分为若干个图像块，然后将各图像块进行投影拼接后得到单神经元所有树突对应的目标待识别图像；沿单神经元树突骨架进行均匀撒种子点，在目标待识别图像中取以各种子点为中心的邻域图像块；使用基于深度残差网络结构和多尺度空洞卷积结构的语义分割网络对各邻域图像块进行树突棘分割得到树突棘分割图后进行融合；对融合的树突棘分割图进行连通域分析，得到单个的连通域，然后将每个连通域上的树突棘拆分为一个或多个树突棘后，将各连通域中的树突棘进行合并得到单神经元树突棘分割结果。通过本发明极大提高了识别树突棘的精确性。

技术领域

本发明属于神经科学图像分析领域，更具体地，涉及一种基于深度语义分割网络的荧光图像中单神经元树突棘的自动检测方法及系统。

背景技术

神经元主要是由胞体、树突和轴突构成，不同神经元之间通过突触相互连接和传递信息。树突表面可见许多棘状突起，称为树突棘，是神经元间树突和轴突末端之间连接形成突触的一个位点。医学研究表明，树突棘具有电学特性和可塑性，这些特性关系到神经细胞的生长、发育和突触的建立与消失，在人类大脑认知、学习、记忆与神经疾病等方面起着关键作用。因此，对神经元树突棘的检测是研究树突棘的结构包括个数、形态、密度和分布及其变化的基础，对生命科学具有重大意义。

树突棘特别细微，属于微观层面的结构，长度一般在0.5μm～2.0μm，体积一般在0.01μm³～0.8μm³之间。现有的荧光标记技术和高分辨率三维成像技术已经可以获取单神经元的亚微米分辨的三维荧光图像数据集，使得系统地识别和量化单神经元的树突棘成为可能。

早期人们识别和检测神经元树突棘主要依靠人工提取，不仅费时费力，而且主观性很强，没有统一的标准，错误率较高，对大量细微的神经元而言这种识别如同九牛一毛难以奏效。近些年来，许多学者在神经元树突棘检测方面做出了巨大的努力，提出了很多半自动或者自动的树突棘分割方法。这些方法的核心技术在于先提取树突的中轴，得到树突的中轴后再根据树突棘和树突的形态特点进一步把它们分开以实现树突棘的检测。这种方法对图像分辨率要求很高，都是对神经元的局部结构进行高分辨率成像，得到的图像中一般只包含一段树突或者是几段树突。在面对完整神经元的树突棘检测任务时，这些方法就存在挑战，具体表现在：a)传统方法一般都是基于人工设计的特征或过滤规则，这种方式对局部少量树突棘适用，但是对完整神经元的大量树突棘则不够鲁棒，很难兼顾形态大小及附着程度各异的全部树突棘，常常顾此失彼，存在一定的局限性；b)部分树突上的树突棘非常密集，存在粘连，传统方法难以区分这密集的树突棘。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种荧光图像中单神经元树突棘的自动检测方法及系统，由此解决现有神经元树突棘的检测在大数据下存在的费时费力及难以兼顾形态大小和附着程度不一的全部树突棘检测的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种荧光图像中单神经元树突棘的自动检测方法，包括：

根据人工已经追踪的单神经元树突结构，将待测三维荧光图像拆分为若干个图像块，然后将各图像块进行投影拼接后得到所述待测三维荧光图像中单神经元所有树突对应的目标待识别图像；

沿所述待测三维荧光图像中单神经元树突骨架进行均匀撒种子点，并在所述目标待识别图像中取以各种子点为中心的预设大小的邻域图像块；

使用基于深度残差网络结构和多尺度空洞卷积结构的语义分割网络对各所述邻域图像块进行树突棘分割得到树突棘分割图，并融合所有邻域图像块的树突棘分割图；

对融合后的树突棘分割图进行连通域分析，得到单个的连通域，然后将每个连通域上的树突棘拆分为一个或多个树突棘后，将各连通域中的树突棘进行合并得到所述待测三维荧光图像的单神经元树突棘分割结果。