神经元作为神经系统结构和功能的基本单元,一直是脑科学的重要研究对象。而功能与结构相关,神经元的形态影响着神经元的功能,准确地获得神经元形态数据对神经元分类、类脑模拟等研究具有重要意义。显微光学断层成像系统等一系列高分辨光学成像系统的出现,为人们观察神经元的形态提供了准确可靠的数据来源。基于这些系统所采集的小鼠全脑高分辨数据,通过手工重建的方式可以获得神经元形态的骨架信息,但仅有骨架并不能满足人们对神经元形态数据的需求,纤维直径也是神经元形态数据中极其重要的一部分,准确地计算纤维直径对于神经元形态数据的研究极具意义。现有的直径计算方法大都对骨架数据和纤维形态进行了假设,这些假设往往并不符合实际情况,使得这些方法难以在真实的数据中取得理想的效果。此外,手工重建的神经元骨架数据通常还存在着骨架点之间距离不均匀、骨架数据与神经纤维原始信号贴合程度差等问题,这也为直径计算等相关计算过程带了困难。针对上述问题,本文提出了一种基于截面分析的神经纤维直径自动计算方法,该方法分为骨架数据校正与直径计算两部分。骨架数据校正部分主要包含骨架点扩充、角度&信号强度联合约束校正等操作。其中,骨架点扩充操作可以改善骨架点之间距离不均的问题;而轴向坐标校正、冠状面校正以及角度&信号强度联合约束校正可以有效提高骨架数据与纤维原始信号贴合程度,并使骨架轨迹更加平滑。直径计算部分则是利用纤维的横截面信息近似地计算出纤维的直径信息。首先,根据骨架点的位置得到纤维主轴方向,进而获得纤维的横截面图像;然后通过阈值分割、连通域分析等方法对纤维横截面图像进行分析,得到纤维的横截面形态,最终获得纤维的直径。通过在纤维片段上进行测试,本文验证了该法方法的准确性。基于上述方法,本文开发了一个纤维直径自动计算工具,使该方法能够有效地应用在长程投射神经元等具有复杂结构的神经元数据上,又通过多线程并行计算等方法对工具进行了加速,极大地提高了计算效率。综上所述,本文提出了一种基于截面分析的神经纤维直径自动计算方法,通过该方法可以有效地获得神经元的直径信息。