[发明专利]一种神经元重建结果匹配方法

说明书

本发明公开了一种神经元重建结果匹配方法，具体包括如下步骤：(1)导入多个数字化树型神经元重建文件，并获取对应的多个骨架点集合；(2)根据目标神经元的特性，构建多维哈希容器；(3)根据步骤(2)所构建的多维哈希容器，为步骤(1)导入的每一个数字化树型神经元重建文件创建一个多维哈希容器，并将每一个神经元骨架点集合保存到对应的多维哈希容器中；(4)根据步骤(3)所创建的多维哈希容器，对每两个多维哈希容器内的元素进行搜索匹配，输出匹配结果。本发明可在不消耗大量存储空间的情况下快速定位神经元重建结果匹配的一致点和差异点，并且适用于大规模神经元重建结果的匹配以及任何具有管状结构的图像匹配。

技术领域

本发明属于生物医学光学图像处理领域，更具体地，涉及一种神经元重建结果匹配方法。

背景技术

神经元形态重建是指从神经图像中提取神经元的骨架点同时建立骨架点之间的连接关系。获取重建结果金标准通用方法如下：首先不同的手工者独立地重建指定神经元，对重建结果进行匹配；其次，发现并定位重建的差异；最后，对差异进行投票，达成一致结果，从而最终获得重建金标准。在上述过程中，对两个重建神经元进行匹配，自动定位一致点和差异点是最为关键的步骤。

神经元重建结果匹配有如下含义：对于同一神经元的两个重建骨架点，若它们两者之间的距离小于给定阈值，则认为这两个点一致；用这样标准，从两类骨架点中，找到同一神经元所有的一致点和差异点，这些一致点和差异点将构成同一神经元两个重建结果的匹配结果。

现有典型的匹配方法通常有两种模式。模式1：给定同一神经元两种重建结果,分别用骨架点集A和点集B表示，对点集A中的点，计算与点集B中的每个点的距离，若距离小于给定阈值，则认为是一致点。按这种方式，从点集A提取所有一致点，这些一致点构成匹配结果。模式2：以点集B产生0-1图像，若图像体素位置在这些点集的邻域中，则将图像体素值赋为1，否则为0。对于点集A中的给定点，其位置位于赋值为1的图像区域，则认为是一致点。搜索点集A中所有一致点，构成匹配结果。显然，模式1计算复杂度高，而模式2以牺牲存储空间来降低计算复杂度。

上述两种模式完全适用于小规模神经元(骨架点个数小于1000个)重建结果匹配。随着神经成像技术和图像重建技术的发展，可高通量产生大规模甚至全脑尺度神经元重建结果。重建的神经元形态可包括数万个甚至10万个骨架点。在这种情况下，需要发展新的匹配模式，对同一神经元不同重建结果进行匹配，从而快速定位不同重建结果的一致和差异位置。

发明内容

针对现有技术的缺陷和改进需求，本发明提出了一种神经元重建结果匹配方法，其目的在于，利用多维哈希容器进行神经元重建结果的匹配，在不消耗大量存储空间的情况下，快速定位不同重建结果匹配的一致点和差异点，从而为获取神经元重建结果的金标准提供最为关键的技术环节。

为实现上述目的，按照本发明的一个方面，提供了一种神经元重建结果匹配方法，该方法包括以下步骤：

(1)导入多个数字化树型神经元重建文件，并获取每一个数字化树型神经元重建文件所对应的骨架点集合；

(2)根据步骤(1)中神经元的结构及规模特性，构建多维哈希容器；

(3)根据步骤(2)所构建的多维哈希容器，为步骤(1)导入的每一个数字化树型神经元重建文件创建一个多维哈希容器，并将每一个数字化树型神经元重建文件所对应的神经元骨架点集合保存到对应的多维哈希容器中；

(4)根据步骤(3)所创建的多维哈希容器，对每两个多维哈希容器内的元素进行搜索匹配，输出匹配结果。