神经突触这样微小组织在光学显微镜下很难观察到。与现有的算法（图b和图c）相比，神经元图像分析仪（图d）能够很好跳出这些组织。图a是神经元的原始图像。
图片来源：Palmore实验室/布朗大学
为了寻找促进神经元生长的方法，科学家常常会花费数小时对培养皿中生长的神经细胞显微图像进行分析。然而，目前一种新的算法可以自动完成这个项痛苦而漫长的工作，并且比以前的自动处理方法更准确地分析图像。
该算法和初始测试发表在《自然科学快报》(Nature Scientific Reports)上。随着神经元的生长，向外延伸成为突触形成与相邻神经元的主要连接。神经元和突触组成的神经网络是神经系统正常工作的前提条件，并且科学家感兴趣的是寻找新的方法，比如通过药物，电刺激，或者其它方法来促进神经元的生长。为了测试这些方法的效果，科学家们在实验室里培养神经元，并观察不同方法是否能刺激神经元生长。因为它们生长要经过几小时或几天的过程，通常会产生成百上千张神经元的显微照片。
“你要处理这么一大堆图片。”Tayhas Palmore说道，他是布朗大学高级工程师并且是该论文的第一作者。 “你要逐一对这些图像进行分析，那可真是件苦差事。”
在这些图像的细节至关重要。突触这样微小的组织在活细胞成像显微镜下很难观察到。但精确测量它们的长度和厚度是评估刺激细胞生长的重要指标。虽然已有几种自动图像分析的算法，但它们效果并不好。这些算法通常通过检查图像中的各像素并对图像进行均匀滤波挑出具有最高强度的像素。那些高强度的像素被假设为神经元和突触结构。
现在的问题是显微镜图像图像质量不高，使其难以辨别细胞结构和图像中可能存在的随机噪声。往往导致滤波器包括不相关的神经元结构像素并排除了那些比较重要的像素。尤其在测量微小突触时。该滤波器经常无法测量触突触的生长程度。
Kwang-Min Kim希望能找到一个更好的解决方案，他曾是Palmore实验室的研究生，现在是斯坦福大学博士后研究员。受到Kilho Son之前研究的启发，Kilho Son是一名计算机视觉研究生并且是该论文的共同第一作者，Kim开发的新方法不同于与其他方法使用均匀滤波。相反，该新方法，被称为神经元图像分析仪（NIA），考虑了相邻像素之间联系。
“我们不只是寻找高强度的像素。”Kim说道。 “我们也考虑相邻像素之间的关系的信息。这样，我们可以跟踪彼此连接的像素，从而追踪整个神经元结构”。
该算法使用的另一种技术是通过一种善于挑选出圆形或椭圆形结构特殊的统计学检验工具。该工具用于精确定位和测量神经元胞体，即神经元的点状主体。
研究人员对已有的算法和NIA进行对比，并用图像人工注解结论为基准。结果表明NIA达到人工编码80%的准确率，而其他的算法是只有50％到60％。
该小组希望其他研究人员能采用该新方法。这可能对缺乏对复杂和昂贵的设备，无法获得高质量神经元图像的实验室特别有用。
“我们希望把这种方法提供给任何对神经影像分析感兴趣的研究人员，不论其图像的质量，”Kim说道。
Kim and Son 打算继续进一步提高NIA的准确性和速度。
翻译：许镇义
审稿：林然
内容源：http://www.sciencedaily.com/releases/2015/12/151207114007.htm
留言