• Applied Microscopy
• /
• 제46권2호
• /
• pp.100-104
• /
• 2016

Electron microscopy is currently the only available technique with a spatial resolution sufficient to identify fine neuronal processes and synaptic structures in densely packed neuropil. For large-scale volume reconstruction of neuronal connectivity, serial block-face scanning electron microscopy allows us to acquire thousands of serial images in an automated fashion and reconstruct neural circuits faster by reducing the alignment task. Here we introduce the whole reconstruction procedure of synaptic network in the rat hippocampal CA1 area and discuss technical issues to be resolved for improving image quality and segmentation. Compared to the serial section transmission electron microscopy, serial block-face scanning electron microscopy produced much reliable three-dimensional data sets and accelerated reconstruction by reducing the need of alignment and distortion adjustment. This approach will generate invaluable information on organizational features of our connectomes as well as diverse neurological disorders caused by synaptic impairments.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권4호
• /
• pp.1-9
• /
• 2021

축삭(axon), 가지돌기(dendrite), 신경세포체(cell body)와 같은 뉴런의 소기관을 분리하는 작업은 신경학적 현상의 분석에 도움을 준다. 최근에 딥러닝 기술을 이용하여 이를 수행하고자 하는 시도들이 있지만, 데이터의 노이즈, 훈련 데이터와의 차이 등으로 인해 결과에 오류를 포함할 가능성이 있다. 따라서, 이러한 기술을 실제 분석에 활용하기 위해서는 결과를 교정하는 과정이 필수적이지만, 이는 전문가가 수작업으로 수행해야 하기 때문에 많은 노력과 시간이 소요된다. 우리는 딥러닝 결과에 존재하는 오류들을 보다 손쉽게 교정할 수 있는 대화형 뉴런 구조 교정 방법을 제안한다. 이 방법은 구조적 일관성을 지니는 뉴런의 특성을 기반으로 뉴런 구조를 교정하여 적은 사용자의 인터랙션으로도 높은 정확도의 교정 결과를 얻을 수 있도록 한다.

• 한국시뮬레이션학회논문지
• /
• 제17권4호
• /
• pp.167-174
• /
• 2008

공초점 현미경(confocal microscopy) 기술의 적용은 살아있는 세포를 고배율로 관찰하는 것을 가능하게 하였다. 알츠하이머나 파킨슨 질환 같은 퇴행성 뇌질환의 경우 뇌세포의 수상돌기의 형태학적 변화가 연관되어 있음이 알려져 있다. 따라서 공초점 현미경 영상으로부터 이러한 정보를 추출하는 방법에 대한 연구가 필요하다. 그러나 공초점 현미경 영상은 명암도 분포가 고르지 않고, 구조의 경계 부분의 번짐 현상 등으로 인해 구조 추출에 어려움을 겪고 있는 실정이다. 따라서 이러한 문제를 극복하고 관심 구조에 대한 특성을 추출할 수 있는 영상처리 기법이 필요하다. 본 논문에서는 뇌세포의 수상돌기 공초점 현미경 사진으로부터 구조정보를 추출하는 새로운 방법을 제안한다. 첫째, 미세 분기 구조의 경계를 향상시키는 비선형 확산 필터링을 적용한다. 둘째, 관심구조를 반복적 역치 선택 방법을 이용해 분할한다. 셋째, 분할된 구조의 분석을 위해 구조의 중심축과 경계선을 추출하기 위한 패스트 마칭 방법(Fast Marching Method)에 기반을 둔 골격화를 수행한다. 본 논문에서 제안된 방법은 기존의 방법들과는 달리 주변 잡음에 덜 민감하였으며 거친 경계선에 영향을 훨씬 적게 받음으로써 보다 정확하고 사실적인 중심축 추출 결과를 보였다.