在生命科学研究中，脑科学一直是研究的重难点。对具有特定生物学标记的神经回路的重建，以及大脑不同区域间通信模式的研究探索是当前神经科学研究领域的一大热点，且对神经科学、解剖学、病理学等领域的研究有着重要的推动作用。以常用的模式动物小鼠为例，当在单细胞水平甚至更高精度获取小鼠的三维全脑图像后，如何将样本脑数据以及标记的神经回路进行形态学的重建并映射到标准的小鼠大脑公共坐标框架中，是开展此类研究的重要基础。近日，来自华中科技大学的研究团队开发了一种名为BIRDS的开源软件框架，用于小鼠脑三维图像数据的映射与分析。BIRDS软件包括图像预处理，双通道配准，自动注释，三维数字化地图的生成，高分辨率可视化以及可扩展的定量分析。
该工作首先提出了一种双通道配准算法，基于小鼠脑图像的三维几何特征和边缘纹理特征提取了一个新的特征通道用于辅助配准，不仅显著提升了同种模态间全脑数据的配准精度，在配准不同成像模态的脑数据时也表现出了优异的性能。进一步地，该软件框架考虑了在成像过程中，受限于成像平台，采集时间等实际因素的影响，三维配准模型无法拟合差距较大的三维轮廓信息的问题，引入了语义分割网络对残缺脑图像进行解剖学区域的直接预测。同时软件可将双通道配准算法的结果进行残缺数据的模拟用于训练库的建立。这种协同作用为脑科学研究提供了鲁棒而高效的3D图像分割、注释功能。
图1 双通道全脑图像配准和注释流程。图片来源：eLife
基于BIRDS软件的配准结果可进一步生成对应于Allen脑研究所提供的小鼠脑公共坐标框架（CCFv3）的三维数字化地图，以支持整个小鼠大脑中神经元的自动注释，分析和可视化。
图 2 小鼠全脑的三维数字化地图，及神经元在不同脑区域投影模式的可视化与定量分析
同时，双通道配准算法产生的像素级精度的脑解剖学区域标签数据可用于构建包含三种常见缺失模型的训练数据库，同时展示了网络预测的解剖学区域结果以及对应生成的三维数字化地图。
图3. 神经网络预测残缺/局部鼠脑图像的分区结果。
这一成果于2021年1月27日发表在国际知名生物学期刊eLife 上，光学与电子信息学院博士研究生王雪纯、硕士研究生曾威霖，华中科技大学同济医学院博士研究生杨晓丹为论文共同第一作者。光学与电子信息学院费鹏教授和华中科技大学同济医学院韩芸耘教授为论文共同通讯作者。
Bi-channel image registration and deep-learning segmentation (BIRDS) for efficient, versatile 3D mapping of mouse brain
Xuechun Wang, Weilin Zeng, Xiaodan Yang, Chunyu Fang, Yunyun Han, Peng Fei
eLife, 2021, 10, e63455, DOI: 10.7554/eLife.63455
费鹏，华中科技大学光电学院教授，生物光子学与微流控技术课题组负责人。从事多学科交叉研究，领域为面向生命科学的新方法、新仪器。迄今在Nat. Methods, Nat. Materials, Optica, e-Life, J. Clin. Invest, Lab. Chip等光学、材料、生化、医学领域的著名期刊及Nat. Communications, PNAS, Advanced Science等著名综合性期刊多次发表学科交叉论文，相应技术获授权发明专利多项。成果曾被Nature Photonics, Nature Methods, MIT Technique Reviews高亮报道，并获产业转化。
本文版权属于X-MOL（x-mol.com），未经许可谢绝转载！欢迎读者朋友们分享到朋友圈or微博！
长按下图识别图中二维码，轻松关注我们！
点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊
X-MOL资讯