神經元型態的重建
在計算神經科學中，我們可以利用共軛焦顯微鏡觀察神經的型態，在後續的資料處理中，神經元型態的重建(“Tracing of neuron morphology” or ”Neuron reconstruction” )是很重要的技術，有利於後續神經元模擬的研究。在現今的軟體中，有許多方法可以做到Neuron reconstruction，但其效果有限或是該軟體是非開源式的(not open-source)
Hang Xiao與 Hanchuan Peng團隊開發APP2(All-path-pruning 2.0)達到開源與更有效果的神經元型態的重建。該演算法分為4個步驟：
1. 原始檔案輸入(Original image input)：將單一顆神經的檔案，以灰階的3D圖像輸入至演算法中。
2. 灰度值權重的距離轉換GWDT(gray-weighted distance transfer)：將圖像中，神經中心的灰度值提高，神經外圍的會度值降低，此步驟有利於之後型態重建。
3. 初次型態重建(Initial neuron reconstruction)：利用演算法找出每一個像素的對應關係，並將所有的資料點連接成一種資料結構Tree。
4. 分層修剪(Hierarchical pruning)：從神經細胞本體開始，找出神經細胞的主要骨幹，並將神經的分支與主幹連接(類似樹的樹幹與樹枝)。修剪重疊與不必要的樹枝，去除雜訊與不必要的神經分段，達到神經元型態重建。
藉由此開源程式，讓神經元型態重建可以自動化與精確化，使計算神經科學的研究更方便。
撰搞：李堅百
原始論文：
Xiao, H. and H. Peng, APP2: automatic tracing of 3D neuron morphology based on hierarchical pruning of a gray-weighted image distance-tree. Bioinformatics, 2013. 29(11): p. 1448-54.
Hang Xiao與 Hanchuan Peng團隊開發APP2(All-path-pruning 2.0)達到開源與更有效果的神經元型態的重建。該演算法分為4個步驟：
1. 原始檔案輸入(Original image input)：將單一顆神經的檔案，以灰階的3D圖像輸入至演算法中。
2. 灰度值權重的距離轉換GWDT(gray-weighted distance transfer)：將圖像中，神經中心的灰度值提高，神經外圍的會度值降低，此步驟有利於之後型態重建。
3. 初次型態重建(Initial neuron reconstruction)：利用演算法找出每一個像素的對應關係，並將所有的資料點連接成一種資料結構Tree。
4. 分層修剪(Hierarchical pruning)：從神經細胞本體開始，找出神經細胞的主要骨幹，並將神經的分支與主幹連接(類似樹的樹幹與樹枝)。修剪重疊與不必要的樹枝，去除雜訊與不必要的神經分段，達到神經元型態重建。
藉由此開源程式，讓神經元型態重建可以自動化與精確化，使計算神經科學的研究更方便。
撰搞：李堅百
原始論文：
Xiao, H. and H. Peng, APP2: automatic tracing of 3D neuron morphology based on hierarchical pruning of a gray-weighted image distance-tree. Bioinformatics, 2013. 29(11): p. 1448-54.
留言
張貼留言