本文是一篇硕士论文，硕士论文是攻读硕士学位研究生所撰写的论文。它应能反映出作者广泛而深入地掌握专业基础知识，具有独立进行科研的能力，对所研究的题目有新的独立见解，论文具有一定的深度和较好的科学价值，对本专业学术水平的提高有积极作用。（以上内容来自百度百科）今天为大家推荐一篇硕士论文，供大家参考。
1 绪论
1.1研究的背景与意义
大脑作为人类最高级的器官，不仅结构最复杂，功能也最强大。大脑由多种精细结构组成，包括近1000亿个神经元[1]、1000多亿个胶质细胞以及复杂的血管网络。在功能上，大脑控制着人类的行为、情感、思维等高级功能，这些功能依赖于神经元以及神经元组成的神经网络[2,3]。同时，常见的脑疾病，如精神分裂、老年痴呆、癫痫等都与脑内部结构的变化联系紧密[4]。据报道，各种精神类疾病及其后遗症正影响着至少 10 亿人，由神经疾病引起的治疗费用巨大，仅美国就高达每年 2000 亿美元。为了减轻脑疾病对人们日常生活的影响，同时降低脑疾病引起的巨大经济负担，急需增强对于脑疾病成因的了解，这为脑内部结构和功能的研究提出了需求。但由于缺乏合适的研究手段和精细的神经元数据，人们至今对脑内部结构与功能的认识相当匮乏[5]，需要对神经元和神经网络进行研究，以增进对于脑功能与疾病的了解。神经元是神经系统结构和功能的基本单位，由胞体和突起组成，同时，突起分为轴突和树突，神经元之间通过突起连接构成神经环路。在三维空间中，神经元胞体在 100 μm 水平甚至 10 μm 水平，神经元突起的直径在 1 μm 甚至亚微米水平[6]，这些都增加了神经元完整形态研究的难度。在大脑皮层范围内，神经元根据轴突长度一般分为两大类：中间神经元和投射神经元。中间神经元拥有短轴突，主要在分布在皮层内，影响皮层内部的功能。投射神经元的轴突相对较长，可以投射到胞体所在的脑区/核团以外的区域，典型的投射神经元如锥体神经元，其在大脑皮层内占比超过 60%，在大脑结构和功能方面具有重要作用[7]。锥体神经元在树突和轴突形态上有不同的分类标准，在树突形态上，根据顶树突是否有簇状结构分为两大类，在此基础之上，相同类别的神经元根据树突的分支丰富程度分为多个亚类[8]；在轴突上，根据轴突投射是否出皮层划分为皮层内投射神经元和皮层外投射神经元，皮层内投射神经元表示神经元轴突和胞体都在整个皮层内部；皮层外投射神经元也叫长程投射锥体神经元，这些神经元的轴突经过不同脑区/核团，并与其他脑区/核团形成连接关系。根据轴突投射终点与胞体是否在脑的同一半球（左脑半球或右脑半球），将其分为同侧投射神经元以及对侧投射神经元。同侧神经元投射，指的是轴突投射终点与胞体在同一个脑半球，对侧投射神经元则与之相反[9, 10]。由于长程投射锥体神经元的轴突长，能投射到不同的脑区/核团，在脑区之间的连接方面具有作用，研究长程投射锥体神经元的形态对研究神经网络的组成具有重要作用，进一步增进对于脑内部结构和功能的理解。
.........
1.2国内外相关研究概况
近些年，随着对脑部结构与功能的关注度逐渐提高，许多国家都进行了相应的布局，如瑞士的 Blue Brain Project[12]、欧盟的 Human Brain Project[13]以及美国的BRAIN Initiative[14]等，都陆续开展了神经元形态结构以及功能方面的研究。神经元形态分析一般包括以下几个研究过程，如图 1-1 所示，主要包含：标记（Labeling）、成像（Imaging）、预处理（Preprocessing）、神经元重建（NeuronReconstruction）、可视化（Visualization）以及形态分析（MorphologicalAnalysis）[15]。标记主要是通过染色剂标记大脑内感兴趣的神经元；成像主要是对样本进行图像获取操作，最终得到完整的图像数据集；预处理是指根据需求对成像系统获得的图像数据进行图像处理；神经元重建是指提取全脑数据集中感兴趣的神经元信号，并保存为矢量化文件；可视化主要指将神经元数据在软件中显示；神经元形态分析部分则根据提取的神经元信号，选择合适的参数对神经元形态进行量化分析。以下分别介绍这几个部分的研究进展。
.........
2高分辨率数据集的来源和处理
高分辨率的鼠脑数据集是获取神经元精细结构的重要数据来源，本文以 Data 01作为研究数据。Data 01 通过 HRSSM 成像系统获取，由于 HRSSM 成像系统采用条带成像策略，拼接条带得到的断层图像序列有明显的条带现象，对神经元信号产生干扰，不利于后续的神经元重建工作，需要去除条纹现象，得到图像信号强度一致的断层图像序列。在浏览断层图像序列时，出现断层图像序列的层与层之间存在不一致现象，由于神经元信号全脑连续分布，这种不一致现象将导致神经元精细形态的重建工作无法顺利进行。为了克服这种困难，需要在轴向对断层图像序列进行对齐处理，获得轴向连续一致的断层图像序列集，保证神经元重建工作的顺利进行。本章包含三个部分：高分辨率数据集的来源、图像信号强度的标准化以及断层图像序列的轴向对齐。
2.1高分辨率数据集的来源
Data 01 是本文的研究数据来源，获取 Data 01 需要经历样本制备和使用 HRSSM成像系统进行成像两个过程。在样本制备方面，本文实验采用的小鼠品系为 Thy-1，鼠龄 7 周，雄性，由于鼠脑内神经元信号密集，通过 GFP 标记技术对锥体神经元进行稀疏标记；在图像数据的获取方面，通过 HRSSM 成像系统进行图像的获取。由于系统成像的特殊成像策略，Data 01 具有特殊的图像数据组织形式。下面将分别介绍样本制备和 Data 01 的组织形式。样本制备。这里简要概括一下样本制备过程。首先，使用戊巴比妥钠将小鼠麻醉，再使用 PBS 溶液以及多聚甲醛溶液和蔗糖溶液对小鼠进行心脏灌注。其次，将小鼠鼠脑通过切除获取出来并在 4℃的环境下通过多聚甲醛溶液固定 24 小时。固定操作完成之后，在 4℃的温度下，用 PBS 溶液对鼠脑进行漂洗操作一整夜，完成之后，使用酒精对其进行梯度脱水处理，总共脱水 3 小时。经过脱水操作之后，将鼠脑放在不同浓度梯度的 GMA 溶液中进行渗透处理，最后鼠脑样本在 4℃的温度下在预聚合的 GMA 溶液中浸泡 3 天，之后再在 48℃的真空环境中对样本进行树脂包埋处理，至此，整个样本制备过程结束。具体操作流程详见许冬力文章中的样本制备过程[29]。Data 01的组织形式。Data 01 通过 HRSSM 成像系统获取，HRSSM 成像系统采用双通道成像策略，分别为 GFP 通道和 PI 通道。 GFP 通道采集出来的图像数据是GFP 标记的锥体神经元信号的图像数据（下文简称 GFP 数据集），PI 通道采集的是PI 染色标记的细胞核信号的图像数据（下文简称 PI 数据集），所以 Data 01 包含 GFP数据集和 PI 数据集，且 GFP 数据集和 PI 数据集的空间坐标保持一致。如图 2-1 所示，神经元分析主要使用 GFP 数据集，展示了 Data 01 中 GFP 数据集和 PI 数据集的组织形式，XY 坐标平面对应解剖学方向上的冠状面，坐标以像素为单位，Z 方向表示冠状面的层数。每一层冠状面数据由多个 Strip 组成，每个 Strip 由多个子图像块组成。
..........
2.2图像信号强度的标准化
图像信号强度的标准化是将 Data 01 中 GFP 数据集的图像信号强度进行统一的过程。根据 GFP 数据集的组织形式，为获得完整的断层图像序列，需要对条带进行拼接处理。拼接出来的图像序列表现出明显的条纹现象，为保证后续神经元重建不受条纹现象影响，需要对拼接后的断层图像序列进行去除条纹处理，得到信号强度统一的断层图像序列，拼接条带以及去除条纹过程分别介绍如下。拼接条带。由于采用冗余成像的策略，拼接条带时需要获取相邻 strip 数据块之间的冗余参数。首先，基于冗余成像策略，冗余信号会出现在相邻数据块之间，找到冗余信号比较明显的相邻图像块。其次，获取该信号分别在同一张冠状面图像上相邻数据块上坐标信息，计算得到数据块之间的冗余参数，根据冗余参数进行条带拼接，如图 2-2 中 A 图所示，展示了单张断层图像的拼接图，图中有明显的条纹现象，干扰神经元纤维信号。去除条纹。拼接条带所得断层图像数据有明显的条纹现象，对图像信号有影响，需要进行条纹去除处理。通过对条纹现象的规律进行分析发现，条纹存在周期性分布的特点，在 ImageJ[45]中浏览条纹图片，获取条纹带的灰度值范围，针对该灰度值范围在[40,60]区间内。采用均值滤波和中值滤波算法结合的方法来去除条纹，滤波器的模板尺寸 3 × 3 ，如图 2-2 中图 C 所示，和图 A 相比，图像的条纹现象得到有效去除。图 2-2 中图 B 和图 D 分别是图 A 和图 C 中黄色方框内的局部放大图，图 A和图 C 经过对比可以看出条纹得到明显的去除，对比图 B 和图 D 可以得出，条纹去除的同时，图中神经元信号基本无损失，且信号与背景的对比度更强，有利于后续神经元重建工作。#p#分页标题#e#
.........
3视觉皮层锥体神经元重建 .............19
3.1 视觉皮层脑区定位...... 19
3.2 神经元重建............ 22
3.3 神经元三维形态的可视化.......... 27
3.4 矢量文件格式转换...... 31
3.5 本章小结.... 32
4视觉皮层锥体神经元形态分析 .........33
4.1 树突形态分析.......... 33
4.2 轴突投射分析.......... 42
4.3 本章小结.... 48
5 总结与讨论 .....50
5.1 总结........ 50
5.2 讨论........ 52
4视觉皮层锥体神经元形态分析
GFP 标记技术结合先进的成像技术可获得高分辨率鼠脑数据，通过重建视觉皮层锥体神经元得到高分辨率的神经元精细结构，为神经元的形态分析提供了数据。神经元分析主要分为基于功能的分析和基于形态的分析，功能方面突出代表为基于电生理特性进行的神经元功能分析，主要是通过电生理方面的刺激，监测相关功能物质的释放以及功能反馈，根据结果进行分析；形态方面的分析主要分为两类，一类为量化参数分析，另一类为拓扑学参数分析。量化参数分析主要通过特定方式获取神经元长度、胞体面积体积等参数，然后对这些量化的结果基于统计学模型进行分析。拓扑学参数分析在神经元分析方面一般主要用于神经元轴突的投射分析，根据投射结果来研究脑区之间结构上的连接关系，进而为相关脑区的功能研究奠定基础。本文研究的是锥体神经元，不仅树突结构具有明显的树形结构，同时轴突具有明显的投射特点。接下来分别从量化参数和拓扑学参数方面进行锥体神经元的形态分析，具体为视觉皮层锥体神经元树突形态分析和轴突投射分析。
4.1树突形态分析
视觉皮层锥体神经元树突由于其局部分布特性，基本上全部分布在鼠脑皮层范围内，现有经典图谱根据细胞构筑特点等相关特性将鼠脑皮层分为6层，分别为Layer1、Layer 2/3、Layer4、Layer 5 以及 Layer 6（下文分别简称 L1、L2/3、L4、L5、L6），数字越大，皮层越深，锥体神经元树突在生长方向上表现为由深层皮层到浅层皮层方向。基于锥体神经元在不同皮层范围内分布存在差异性的认识，对其树突形态的分析首先要获得其在 6 层结构中的具体位置，在此基础之上，结合突起的形态学参数进行相应的形态学分析。本节接下来分三个部分对锥体神经元树突进行形态分析，分别为锥体神经元的分层分布、锥体神经元突起形态学参数获取以及锥体神经元树突形态学参数分析。
..........
总结
本文的主要创新点有两个：（1）针对视觉皮层长程投射锥体神经元的形态分析，本文建立了一套分析方法，包括数据集的图像处理、神经元的手工重建、神经元的形态分析等；（2）通过对视觉皮层长程投射锥体神经元形态进行分析，得到其树突分类结果与轴突投射结果，进一步分析得到视觉皮层长程投射锥体神经元树突与轴突具有紧密的联系，视觉皮层不同类型长程投射锥体神经元具有不同的投射特性。通过对视觉皮层锥体神经元的形态分析，给出了其树突形态以及轴突投射方面的分析结果，整个分析过程包含以下三个部分：高分辨率数据集的图像处理、神经元重建与可视化、神经元形态分析。以 GFP 标记技术以及 HRSSM 成像系统获取的高分辨率数据鼠脑数据集作为研究数据。针对数据集的组织形式，对条带的图像数据块进行拼接处理，得到连续的断层图像序列。针对断层图像序列存在明显的条纹现象，干扰神经元纤维信号，不利于后续神经元的重建工作，基于条带信号的周期性分布特点，采用图像处理相关的滤波函数进行去条纹操作，得到信号强度一致的断层图像序列。最后针对断层图像序列层与层之间出现的错位不一致问题，分别设计了串行程序以及并行程序进行对齐处理，获得层与层之间连续对齐的断层图像序列数据。
..........
参考文献（略）
