NeuronStudio

NeuronStudio to niekomercyjny program stworzony w Icahn School of Medicine w Mount Sinai przez Computational Neurobiology and Imaging Center. Program ten wykonywał automatyczne śledzenie i rekonstrukcję struktur neuronów ze stosów obrazów konfokalnych . Powstałe modele były następnie eksportowane do pliku przy użyciu standardowych formatów w celu dalszego przetwarzania, modelowania lub analiz statystycznych. NeuronStudio obsłużyło szczegóły morfologiczne łusek obejmujących lokalny kręgosłup dendrytyczny geometrię, poprzez złożoną topologię drzewa, aż po ogólny układ przestrzenny sieci wieloneuronowych. Jego zdolność do zautomatyzowanej digitalizacji pozwoliła uniknąć subiektywnych błędów związanych z ręcznym śledzeniem. Program przestał być wspierany w 2012 roku, a strony projektu zostały ostatecznie usunięte z witryny ISMMS. Jego dokumentacja i kod źródłowy systemu Windows są jednak nadal dostępne za pośrednictwem Internet Archive .

Graficzny interfejs użytkownika NeuronStudio (wersja Windows).

Dekonwolucja

Dekonwolucja zobrazowanych danych jest niezbędna do dokładnych rekonstrukcji 3D. Dekonwolucja to podejście polegające na odtwarzaniu obrazu, w którym wiedza a priori o układzie optycznym w postaci funkcji rozproszenia punktu (PSF) jest wykorzystywana do uzyskania lepszego oszacowania obiektu. Funkcja rozproszenia punktowego może być obliczona na podstawie rzeczywistych parametrów mikroskopu, zmierzona za pomocą kulek lub oszacowana i udoskonalona iteracyjnie ( ślepa dekonwolucja ). PSF można dostosować lokalnie, aby uwzględnić różnice we właściwościach refrakcyjnych tkanki wraz z głębokością i charakterystyką próbki. W przypadku zautomatyzowanego stosowania z dużymi blokami tkankowymi, jest to szybsze i dokładniejsze niż użycie określonego eksperymentalnie PSF .

Szkieletyzacja i szacowanie średnicy

Błędy kwantyzacji powstają w standardowych algorytmach szkieletowania z całkowitoliczbowego charakteru obrazów cyfrowych. Wymóg dokładnego odwzorowania dokładnej dendrytycznej wymagał opracowania nowych adaptacji standardowych algorytmów szkieletyzacji i szacowania średnicy w celu skorygowania tych błędów kwantyzacji. Metody iteracyjnego przerzedzania szkieletu mogą zapewnić odległość w wokselach od każdego węzła drzewa do powierzchni obiektu. Ta odległość to metryka D6, uzyskana przez zliczenie liczby wokseli, które są usuwane na minimalnej ścieżce 6-połączonej od powierzchni do osi środkowej. W istniejących algorytmach szkieletyzacji lub wektoryzacji dla morfometrii dendrytycznej przekrój poprzeczny gałęzi w dowolnym węźle jest aproksymowany jako kołowy, przy czym metryka D6 zapewnia oszacowanie pojedynczej średnicy. Precyzja tego oszacowania średnicy jest ograniczona do fizycznego rozmiaru wokseli. Do małych struktur, takich jak cienkie dendrytów i kolców, składających się tylko z kilku wokseli, nawet przy maksymalnej rozdzielczości obrazowania, błąd może być znaczny, jeśli miara ta jest stosowana bezpośrednio (patrz rysunek). Aby zminimalizować błąd kwantyzacji i dokładniej ocenić geometrię węzłów, istnieje nowa technika szacowania, algorytm próbkowania Rayburst, który wykorzystuje oryginalne w skali szarości zamiast obrazów podzielonych na segmenty w celu precyzyjnego, ciągłego oszacowania promienia i wielokierunkowego próbkowania promienia w celu dokładniejszego przedstawienia nieokrągłe przekroje gałęzi i niesferyczne główki kolców.

Algorytm Raybursta

Reprezentacja 3D rdzenia próbkującego Rayburst.

Algorytm próbkowania Rayburst wykorzystuje oryginalne dane w skali szarości zamiast obrazów podzielonych na segmenty w celu precyzyjnego, ciągłego oszacowania promienia oraz wielokierunkowego próbkowania promienia w celu dokładniejszego odwzorowania przekrojów poprzecznych gałęzi i niesferycznych głów kręgosłupa. Algorytm wstępnie oblicza tablicę wektorów jednostkowych, które próbkują dane w wielu kierunkach (rdzeń próbkowania), z którego obliczana jest ocena geometrii węzła. Dokładne odwzorowanie każdego kierunku przez rdzeń próbkujący wymaga, aby N były równomiernie rozmieszczone na kuli jednostkowej. Algorytm wykorzystuje fizykę cząstek elementarnych symulacja, w której zbiór N generowanych jest losowo zorientowanych wektorów jednostkowych, co skutkuje losowym, nierównomiernym rozkładem punktów na kuli. Każda cząstka otrzymuje wtedy siłę odpychającą od każdej innej cząstki, proporcjonalną do odwrotności kwadratu odległości między nimi. Poprzez iteracyjne przemieszczanie cząstki w kierunku sił wypadkowych, cząsteczki przestawiają się. Ten system będzie dążył do stabilnej konfiguracji o minimalnej energii w ciągu około 40 iteracji, w których każda cząstka jest maksymalnie oddzielona od swoich najbliższych sąsiadów. Informacje te można wykorzystać do rekonstrukcji gałęzi 3D o dowolnie nieregularnych kształtach. Średnicę równoważnego okrągłego przekroju poprzecznego oblicza się w płaszczyźnie normalnej do osi środkowej przy użyciu mediany dolnej średnicy pasma (MLBD). Aby obliczyć MLBD, weź zestaw próbek i dodaj odpowiednie pary przeciwnych wektorów. Posortuj wektory według rozmiaru, zdefiniuj dolne pasmo jako dolne 50% i użyj odległości w pozycji N/4, reprezentującej medianę dolnego pasma, aby oszacować średnicę.

Zastosowania NeuronStudio

NeuronStudio służy głównie do ilościowej analizy morfologicznej kolców dendrytycznych . Największą zaletą śledzenia dendrytów i kolców w NeuronStudio jest to, że metody oparte na automatycznym śledzeniu nie są wrażliwe na dryf lub ruch dendrytów, ponieważ każdy dendryt można śledzić osobno w każdym stosie. Pozwala to porównać kolce z bardzo długich nagrań lub bardziej oddzielonych punktów czasowych. Ponieważ analiza NeuronStudio daje dokładne pomiary 3D szerokości głów kręgosłupa i długości kręgosłupa, metoda ta jest przydatna w wykrywaniu zmian w morfologii kręgosłupa. Ponadto zastosowanie pomiarów komputerowych umożliwia analizę setek kolców w stosunkowo krótkim czasie.

Zobacz też

Linki zewnętrzne

Rodriguez, Alfredo (2010-02-18). „Narzędzia: NeuronStudio (Beta) wersja 0.9.92, ostatnia aktualizacja 19 listopada 2009 r.” . CNIC, Szkoła Medyczna Mount Sinai. Zarchiwizowane od oryginału w dniu 2018-09-16.
„Kod źródłowy NeuronStudio 0.9.92” . CNIC, Szkoła Medyczna Mount Sinai. 2010-09-30. Zarchiwizowane od oryginału w dniu 2018-07-03. Prace pochodne (oprogramowanie oparte na częściach tego kodu źródłowego) są dozwolone pod warunkiem podania źródła [autorowi ] w publikacji i dokumentacji takich prac. {{ cite web }} : Link zewnętrzny w |quote= ( pomoc )

Bibliografia _ Ehlenberger, D.; Kelliher, K.; Einstein, M.; Henderson, Karolina Południowa; Morrison, JH; Hof, PR; Wearne, SL (2003). „Zautomatyzowana rekonstrukcja trójwymiarowej morfologii neuronów na podstawie obrazów z laserowego mikroskopu skaningowego”. Metody . 30 (1): 94–105. doi : 10.1016/s1046-2023(03)00011-2 . PMID 12695107 .
Bibliografia _ Rodriguez, A.; Ehlenberger DB; Rocher, AB; Henderson, Karolina Południowa; Hof, PR (2005). „Nowe techniki obrazowania, digitalizacji i analizy trójwymiarowej morfologii neuronów w wielu skalach”. Neuronauka . 136 (3): 661–680. CiteSeerX 10.1.1.329.9265 . doi : 10.1016/j.neuroscience.2005.05.053 . PMID 16344143 . S2CID 16510030 .
Bibliografia _ Ehlenberger, D.; Hof, PR; Wearne, SL (2006). „Próbkowanie promienia, algorytm do zautomatyzowanej trójwymiarowej analizy kształtu na podstawie obrazów z mikroskopu skaningowego”. Protokoły natury . 1 (4): 2156–2161. doi : 10.1038/nprot.2006.313 . PMID 17487207 . S2CID 16141708 .
Bibliografia _ Ludwik, Anastazja; Koskinen, Mikko; Hotulainen, Pirta (2012). „Metody trójwymiarowej analizy dynamiki kręgosłupa dendrytycznego”. W Conn, P. Michael (red.). Obrazowanie i analiza spektroskopowa żywych komórek: obrazowanie żywych komórek w zdrowiu i chorobie (PDF) . Metody w enzymologii. Tom. 506. Elsevier. s. 391–406. doi : 10.1016/B978-0-12-391856-7.00043-3 . ISBN 978-0-12-391856-7 . ISSN 0076-6879 . PMID 22341234 . Źródło 2021-07-14 .

[1] Bibliografia _ Ehlenberger, D.; Kelliher, K.; Einstein, M.; Henderson, Karolina Południowa; Morrison, JH; Hof, PR; Wearne, SL (2003). „Zautomatyzowana rekonstrukcja trójwymiarowej morfologii neuronów na podstawie obrazów z laserowego mikroskopu skaningowego”. Metody . 30 (1): 94–105. doi : 10.1016/s1046-2023(03)00011-2 . PMID 12695107 .

[2] Bibliografia _ Rodriguez, A.; Ehlenberger DB; Rocher, AB; Henderson, Karolina Południowa; Hof, PR (2005). „Nowe techniki obrazowania, digitalizacji i analizy trójwymiarowej morfologii neuronów w wielu skalach”. Neuronauka . 136 (3): 661–680. CiteSeerX 10.1.1.329.9265 . doi : 10.1016/j.neuroscience.2005.05.053 . PMID 16344143 . S2CID 16510030 .

[3] Bibliografia _ Ehlenberger, D.; Hof, PR; Wearne, SL (2006). „Próbkowanie promienia, algorytm do zautomatyzowanej trójwymiarowej analizy kształtu na podstawie obrazów z mikroskopu skaningowego”. Protokoły natury . 1 (4): 2156–2161. doi : 10.1038/nprot.2006.313 . PMID 17487207 . S2CID 16141708 .

[4] Bibliografia _ Ludwik, Anastazja; Koskinen, Mikko; Hotulainen, Pirta (2012). „Metody trójwymiarowej analizy dynamiki kręgosłupa dendrytycznego”. W Conn, P. Michael (red.). Obrazowanie i analiza spektroskopowa żywych komórek: obrazowanie żywych komórek w zdrowiu i chorobie (PDF) . Metody w enzymologii. Tom. 506. Elsevier. s. 391–406. doi : 10.1016/B978-0-12-391856-7.00043-3 . ISBN 978-0-12-391856-7 . ISSN 0076-6879 . PMID 22341234 . Źródło 2021-07-14 .