Name: 树枝状分支及其方向的自动识别 (视频) | JoVE Journal
Uploaded: 2021-09-17T13:45:00.000+00:00
Duration: 6 min 8 s
Description: 了解SOA自动化计算工具，用于分析二维荧光图像中的神经元树突分支形态。该软件可快速提取分支长度、生长角度等参数，实现平行与非平行生长模式的分类识别，为神经科学研究提供高效的数据分析支持。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

作者谨此感谢 Orly Weiss 博士在培养图像制备方面提供的帮助。

注意：以色列卫生部已批准在实验动物伦理使用协议 IL-218-01-21 下使用小鼠。SOA 仅兼容 Windows 10 和 Python 3.9。该软件以开源代码形式提供：https://github.com/inbar2748/DendriteProject。在此链接中还包含一个 README.DM 文件，其中提供了软件下载说明、软件官方网站链接，以及包含所有软件包所需版本信息的 requirements 文件。此外，该页面还提供了使用该软件进行分析的其他示例。
<img alt="树突分支分析流程图；分割、空间信息提取、分类。" class="xfigimg" src="/files/ftp_upload/62679/62679fig01.jpg" data-altupdatedat="1788282455000" data-alt="图1"> 
图1：用于分割和生长方向分析的SOA工作流程。 图示为树突网络荧光图像的处理步骤及数据分析流程。首先上传二维图像，进行分割（分为两个步骤：先将树突分支识别为线条，再合并相关线条），然后获取每条树突分支的空间信息。收集图像中所有树突分支的数据，最后通过数据分析获得所需的形态学参数。缩写：SOA = 分割与取向分析。 <a href="https://www.jove.com/files/ftp_upload/62679/62679fig01large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
1. 打开 SOA 应用程序。
<ol>
	<li>打开网址：https://mega.nz/folder/bKZhmY4I#4WAaec4biiGt4_1lJlL4WA，找到 SOA.zip 压缩文件夹，通过双击下载该 ZIP 文件。</li>
	<li>右键单击 SOA.zip，选择解压文件以解压文件夹。注意弹出的解压路径和选项窗口，其中目标地址文本框显示了已解压文件的路径。若要将文件解压到其他位置，可单击窗口右侧面板中的任一文件夹，将其设为目标文件夹。单击确定，将文件解压至该文件夹。</li>
	<li>打开已解压的 SOA 文件夹，双击SOA.exe。等待黑色窗口打开后，应用程序将启动。</li>
</ol>
<img alt="SOA 分割方法示意图，图像处理步骤：上传、线条检测、线条合并。" class="xfigimg" src="/files/ftp_upload/62679/62679fig02.jpg" data-altupdatedat="1788282455000" data-alt="图 2"> 
图 2：使用 SOA 图形用户界面（GUI）工作流程的示例。 左列：工作流程的 GUI 模块。中列：在工作流程中处理的树突网络图像（比例尺：20 µm）。右列：中列图像中红色矩形框选区域的放大图（比例尺：4 µm）。步骤 1：选择并上传图像。步骤 2：分割的第一阶段是检测代表已识别树突分支的线条。步骤 3：分割的第二阶段是基于邻近性的线段合并，以形成单个树突分支。所有步骤的参数设置均可调整。缩写：SOA = 分割与取向分析；GUI = 图形用户界面。 <a href="https://www.jove.com/files/ftp_upload/62679/62679fig02large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
2. 打开待分析的图像。
<ol>
	<li>在 SOA Viewer Upload 菜单栏中 | 选择 Choose File | 从计算机文件中选择一个图像 | 单击该文件（仅限 .png、.jpg、.tif、.bmp 文件）| Open | 查看文件路径 | Next。</li>
</ol>
3. 分割优化
注意：在SOA Viewer Properties菜单栏中，更改所选参数的值以调整分割过程的设置。补充材料中提供了诸如Threshold等参数的详细说明。
<ol>
	<li>在 边缘，通过选择调整显示的阈值 阈值 并输入一个数字。 
	注意：阈值越低，检测到的线条越多。阈值为0到255之间的数值，默认值设为0。</li>
	<li>在 合并线条:
	<ol>
		<li>通过选择调整显示的最小合并距离 最小合并距离 并输入一个数字。 
		注意：该 最小合并距离 范围为0到30像素，默认值为20。</li>
		<li>通过选择来调整显示的最小合并角度 最小合并角度 并输入一个数字。 
		注意：该 最小合并角度 从0到 30°默认值设置为10。</li>
	</ol>
	</li>
	<li>点击 创建预览分割图像. 
	注意：将根据更新后的数值显示分割结果的预览图像。此外，还将显示合并前的线条数量和合并后的线条数量。</li>
	<li>更改参数以实现片段的最大识别。如果需要更改属性，请单击 关闭窗口 按钮并按照步骤 3.1-3.4 操作。</li>
</ol>
4. 创建输出文件。
<ol>
	<li>点击确定以查看分割图像和分析图表。注意弹出的窗口，用于选择将要保存 .xlsx 文件的位置。</li>
	<li>输入文件名 | 选择保存 | 等待包含数据的 .xlsx 文件创建并保存。 
	​注意：除了 .xlsx 文件外，系统将自动显示以下文件：原始图像文件、线条识别图像、分割结果的最终图像，以及三个分析图表。</li>
</ol>
5. 导航工具栏
注意：所有图像窗口均包含一个导航工具栏，可用于浏览数据集。工具栏底部每个按钮的功能描述如下。
<ol>
	<li>要前后切换之前定义的视图，请使用 前进 和 后退 按钮。 
	注意：主页、前进 和 后退 按钮的功能类似于网页浏览器中的 主页、前进 和 后退 控件。主页 可返回默认屏幕，即原始图像。</li>
	<li>使用 缩放 按钮进行平移和缩放。要启用平移和缩放功能，请先点击 缩放 按钮，然后将鼠标移动到图像中的目标位置。
	<ol>
		<li>要平移图像，请按住鼠标左键并将其拖动到新位置。释放鼠标按钮后，图像中选定的点将显示在新位置。在平移过程中，按住 x 或 y 键可分别将移动限制在 x 或 y 轴方向。</li>
		<li>要进行缩放，请按住鼠标右键并将其拖动到新位置。向右移动可在 x 轴方向放大，向左移动可在 x 轴方向缩小；对 y 轴方向则通过上下移动实现相同操作。缩放时请注意，鼠标指针下的点将保持固定，从而实现围绕该点的放大或缩小。使用修饰键 x、y 或 CONTROL 可分别将缩放限制在 x 轴、y 轴或保持纵横比不变。</li>
	</ol>
	</li>
	<li>要启用矩形区域缩放模式，请点击 缩放至矩形 按钮。将光标置于图像上，按下鼠标左键，然后在按住按键的同时拖动鼠标以定义一个矩形区域。 
	注意：当按下鼠标左键时，坐标轴的显示范围将缩放至所定义的区域；当按下鼠标右键时，坐标轴的显示范围将缩小，使原始坐标轴显示在所定义的区域内。</li>
	<li>使用 子图配置 工具来设置子图的外观。 
	注意：子图的左侧、右侧、顶部和底部边缘，以及行与列之间的间距均可拉伸或压缩。</li>
	<li>要打开文件保存对话框，请点击 保存 按钮，并将文件保存为以下格式之一：.png、.ps、.eps、.svg 或 .pdf。</li>
</ol>

<ol><li>Ferrante, M., Migliore, M., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Functional+impact+of+dendritic+branch-point+morphology%5BTitle%5D)+AND+%22Journal+of+Neuroscience%22%5BJournal%5D)">Functional impact of dendritic branch-point morphology.</a> Journal of Neuroscience. 33 (5), 2156-2165 (2013).</li>
<li>Spruston, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pyramidal+neurons%3A+dendritic+structure+and+synaptic+integration%5BTitle%5D)+AND+%22Nature+Reviews+Neuroscience%22%5BJournal%5D)">Pyramidal neurons: dendritic structure and synaptic integration.</a> Nature Reviews Neuroscience. 9 (3), 206-221 (2008).</li>
<li>Chklovskii, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Synaptic+Connectivity+and+Neuronal+Morphology%3A+Two+Sides+of+the+Same+Coin%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Synaptic Connectivity and Neuronal Morphology: Two Sides of the Same Coin.</a> Neuron. 43 (5), 609-617 (2004).</li>
<li>Chapleau, C., Larimore, J., Theibert, A., Pozzo-Miller, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modulation+of+dendritic+spine+development+and+plasticity+by+BDNF+and+vesicular+trafficking%3A+fundamental+roles+in+neurodevelopmental+disorders+associated+with+mental+retardation+and+autism%5BTitle%5D)+AND+%22Journal+of+Neurodevelopmental+Disorders%22%5BJournal%5D)">Modulation of dendritic spine development and plasticity by BDNF and vesicular trafficking: fundamental roles in neurodevelopmental disorders associated with mental retardation and autism.</a> Journal of Neurodevelopmental Disorders. 1 (3), 185-196 (2009).</li>
<li>Irwin, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+Spine+Structural+Anomalies+in+Fragile-X+Mental+Retardation+Syndrome%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic Spine Structural Anomalies in Fragile-X Mental Retardation Syndrome.</a> Cerebral Cortex. 10 (10), 1038-1044 (2000).</li>
<li>Kaufmann, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+anomalies+in+disorders+associated+with+mental+retardation%5BTitle%5D)+AND+%22Cerebral+Cortex%22%5BJournal%5D)">Dendritic anomalies in disorders associated with mental retardation.</a> Cerebral Cortex. 10 (10), 981-991 (2000).</li>
<li>Pinchas, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dendritic+branch+intersections+are+structurally+regulated+targets+for+efficient+axonal+wiring+and+synaptic+clustering%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Dendritic branch intersections are structurally regulated targets for efficient axonal wiring and synaptic clustering.</a> PLoS ONE. 8 (12), 82083(2013).</li>
<li>Cove, J., Blinder, P., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Contacts+among+non-sister+dendritic+branches+at+bifurcations+shape+neighboring+dendritic+branches+and+pattern+their+synaptic+inputs%5BTitle%5D)+AND+%22Brain+Research%22%5BJournal%5D)">Contacts among non-sister dendritic branches at bifurcations shape neighboring dendritic branches and pattern their synaptic inputs.</a> Brain Research. 1251, 30-41 (2009).</li>
<li>Blinder, P., Cove, J., Foox, M., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Convergence+among+non-sister+dendritic+branches%3A+An+activity-controlled+mean+to+strengthen+network+connectivity%5BTitle%5D)+AND+%22PLoS+ONE%22%5BJournal%5D)">Convergence among non-sister dendritic branches: An activity-controlled mean to strengthen network connectivity.</a> PLoS ONE. 3 (11), 3782(2008).</li>
<li>Glaser, J., Glaser, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuron+imaging+with+neurolucida+-+PC-based+system+for+image+combining+microscopy%5BTitle%5D)+AND+%22Computerized+Medical+Imaging+and+Graphics%22%5BJournal%5D)">Neuron imaging with neurolucida - PC-based system for image combining microscopy.</a> Computerized Medical Imaging and Graphics. 14 (5), 307-317 (1990).</li>
<li>Scorcioni, R., Polavaram, S., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((L-Measure%3A+a+web-accessible+tool+for+the+analysis%2C+comparison+and+search+of+digital+reconstructions+of+neuronal+morphologies%5BTitle%5D)+AND+%22Nature+Protocols%22%5BJournal%5D)">L-Measure: a web-accessible tool for the analysis, comparison and search of digital reconstructions of neuronal morphologies.</a> Nature Protocols. 3 (5), 866-876 (2008).</li>
<li>Torben-Nielsen, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+efficient+and+extendable+python+library+to+analyze+neuronal+morphologies%5BTitle%5D)+AND+%22Neuroinformatics%22%5BJournal%5D)">An efficient and extendable python library to analyze neuronal morphologies.</a> Neuroinformatics. 12 (4), 619-622 (2014).</li>
<li>Parekh, R., Ascoli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neuronal+morphology+goes+digital%3A+A+research+hub+for+cellular+and+system+neuroscience%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neuronal morphology goes digital: A research hub for cellular and system neuroscience.</a> Neuron. 78 (1), 206(2013).</li>
<li>heng, J., Zhou, X., Sabatini, B. L., Wong, S. T. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NeuronIQ%3A+A+novel+computational+approach+for+automatic+dendrite+SPINES+detection+and+analysis%5BTitle%5D)+AND+%222007+IEEE%2FNIH+Life+Science+Systems+and+Applications+Workshop%22%5BJournal%5D)">NeuronIQ: A novel computational approach for automatic dendrite SPINES detection and analysis.</a> 2007 IEEE/NIH Life Science Systems and Applications Workshop. , 168-171 (2007).</li>
<li>Image processing and analysis in Java. NIH. ImageJ. , Available from: 
 <a target="_blank" href="https://imagej.nih.gov/ij">https://imagej.nih.gov/ij</a> (2021).</li>
<li>Peretz, H., Talpalar, A. E., Vago, R., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Superior+survival+and+durability+of+neurons+and+astrocytes+on+3-dimensional+aragonite+biomatrices%5BTitle%5D)+AND+%22Tissue+Engineering%22%5BJournal%5D)">Superior survival and durability of neurons and astrocytes on 3-dimensional aragonite biomatrices.</a> Tissue Engineering. 13, 461-472 (2007).</li>
<li>Morad, T. I., Hendler, R. M., Weiss, O. E., Canji, E. A., Merfeld, I., Dubinsky, Z., Minnes, R., Francis, Y. I., Baranes, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gliosis+of+astrocytes+cultivated+on+coral+skeleton+is+regulated+by+the+matrix+surface+topography%5BTitle%5D)+AND+%22Biomedical+Materials%22%5BJournal%5D)">Gliosis of astrocytes cultivated on coral skeleton is regulated by the matrix surface topography.</a> Biomedical Materials. 14 (4), 045005(2019).</li>
</ol>

作者声明不存在任何竞争性经济利益。

为了跟上生物成像数据的快速增长，迫切需要有效的策略从二维图像中提取形态学信息。尽管成像数据可在数小时内生成，但对图像的深入分析却耗时较长。因此，图像处理已成为许多领域的显著瓶颈。这在一定程度上源于数据的高度复杂性，尤其是在处理生物样本时。此外，由于许多用户缺乏专业的编程和图像处理技能，亟需能够以简便、用户友好的方式实现自动化图像处理的工具。正因如此，SOA 预计将发挥重要作用。代表性结果展示了该工具的自动化分割功能，即使面对复杂的树突网络，也能通过几个简单的步骤识别图像中的树突分支。工作流程简单直观，可立即轻松获取多种空间信息。本研究采用多种算法来检测荧光图像中的单个树突分支，并对结果进行多项分析。有关这些算法的详细描述可参见补充材料以及系统需求信息。本文将简要介绍这些算法及其在软件中的作用。
分割 
分割是本项目中最具挑战性的部分。在图像分割中，数字图像被划分为多个区域（图像对象）。分割的目的是识别图像中的目标，从而使其更易于理解和处理。在此，分割用于识别树突分支，并将其与背景分离。图像分割过程分为两个...

树突形态发生是神经科学的核心课题，因为树突树的结构影响神经元中突触整合的计算特性1,2,3。此外，树突分支的形态异常和改变与退行性疾病及神经发育障碍相关4,5,6。在树突分支更易于观察的神经元培养体系中，非姐妹树突分支之间的相互作用调控着分支上突触聚集的位置和范围，这种行为可能影响突触的共激活性和可塑性7,8,9。因此，利用二维（2D）神经元培养系统对树突树的形态参数进行表征，有助于理解单个神经元及神经元网络的树突形态发生及其功能。然而，这一任务具有挑战性，因为即使在&#34;简化&#34;的二维神经元培养体系中，树突分支仍会形成复杂的网状结构。
已开发出多种工具用于自动追踪和分析树突结构10,11,12,13。然而，这些工具大多针对三维神经元网络设计，用于二维网络时通常过于复杂。相比之下，较初级的形态学分析工具通常包含大量计算机辅助的人工操作，耗时较长且容易受到操作者主观偏差的影响14。现有的半自动工具，例如“ImageJ”15（美国国立卫生研究院提供的开源图像处理软件包，包含大量由社区开发的生物图像分析工具），在很大程度上减少了人工操作的工作量。然而，在图像处理过程中仍需一定程度的人工干预，且分割结果的质量可能不够理想。
本文介绍了SOA，一种简单的自动化工具，可对二维神经元网络中的树突分支进行直接分割和取向分析。SOA能够检测二维图像中多种线状结构，并表征其形态学特性。在此，我们利用SOA对培养条件下树突网络的二维荧光图像中的树突分支进行分割。该软件可准确识别树突分支，并成功测量平行度和空间分布等形态学参数。SOA可轻松适用于其他细胞类型的细胞突起分析，以及非生物网络的研究。

<table><tbody><tr><td>Matplotlib</td><td>&amp;nbsp;2002 - 2012 John Hunter、Darren Dale、Eric Firing、Michael Droettboom 以及 Matplotlib 开发团队；2012 - 2021 Matplotlib 开发团队。</td><td>3.4.2</td><td>一个 Python 2D 绘图库</td></tr><tr><td>matplotlib-scalebar</td><td>Philippe Pinard</td><td>0.7.2</td><td>用于在 matplotlib 中显示比例尺的绘图组件</td></tr><tr><td>NumPy</td><td>NumPy 社区。</td><td>1.20.3</td><td>科学计算库的基础包</td></tr><tr><td>OpenCV</td><td>OpenCV 团队</td><td>4.5.2.54</td><td>开源计算机视觉库</td></tr><tr><td>PyCharm</td><td>JetBrains</td><td>2020.3.1（社区版）版本</td><td>构建号 #PC-203.6682.86，构建于 2020 年 12 月 18 日。运行时版本：11.0.9.1+11-b1145.37 amd64。虚拟机：JetBrains s.r.o. 提供的 OpenJDK 64 位服务器虚拟机。Windows 10 10.0。内存：978M，核心数：4</td></tr><tr><td>PyQt5</td><td>Riverbank Computing</td><td>5.15.4</td><td>用于管理图形用户界面（GUI）</td></tr><tr><td>python</td><td>Python 软件基金会许可证</td><td>3.9 版本</td><td></td></tr><tr><td>Qt Designer</td><td>QT 公司有限公司</td><td>5.11.1 版本</td><td></td></tr><tr><td>scipy</td><td>社区库项目</td><td>1.6.3</td><td>基于 Python 的开源数学、科学和工程软件生态系统</td></tr><tr><td>Seaborn</td><td>Michael Waskom。</td><td>0.11.1</td><td>Python 的统计数据分析可视化库。</td></tr><tr><td>Windows 10</td><td>Microsoft</td><td></td><td></td></tr><tr><td>Xlsxwriter</td><td>John McNamara</td><td>1.4.3</td><td>用于创建 Excel XLSX 文件的 Python 模块</td></tr></tbody></table>

树突分支及其方向的自动识别

Automatic Identification of Dendritic Branches and their Orientation

神经元树突树的结构在神经元整合突触输入过程中起着关键作用。因此，对树突形态进行表征对于深入理解神经元功能至关重要。然而，无论是孤立状态还是特别是在神经网络内部，树突树的复杂性尚未被完全阐明。我们开发了一种新的计算工具——SOA（分割与取向分析），该工具可从二维神经元培养的荧光图像中自动测量树突分支的取向。SOA 采用 Python 编写，通过图像分割将树突分支与背景分离，并建立每个分支空间方向的数据库。该数据库可用于计算多种形态学参数，例如神经网络中树突分支的方向分布以及树突分支平行生长的普遍程度。所获得的数据可用于检测树突在神经元活动以及生物和药理刺激下的结构变化。

对培养物中树突网络的图像进行了代表性分析。细胞提取方法如 Baranes et al.16,17 所述。简言之，从新生大鼠脑组织中分离海马神经元，并在二维玻璃盖玻片上培养 1–2 周。随后对培养物进行固定，并通过间接免疫荧光染色，使用针对树突蛋白标志物微管相关蛋白 2（microtubule-associated protein 2, MAP2）的抗体进行标记。利用荧光显微镜采集树突网络图像，并使用 SOA 对 10 张图像进行处理。
图1展示了一个典型的SOA工作流程，用于分析树突网络。输入为一幅二维荧光显微镜图像。图像分割分为两个阶段：第一阶段是将树突分支识别为线条，第二阶段是根据用户设定的距离和方向标准合并相关线条。分割完成后，收集每个已识别树突分支的空间信息。随后，从图像中所有树突分支的数据中提取以下信息：平行/非平行分类、平行与非平行树突分支的平均长度、平行树突分支之间的距离以及...

本文介绍了一种计算工具，可从二维荧光图像中对神经元树突分支的方向进行简单、直接的自动测量。

神经元树突树的结构在神经元对突触输入的整合过程中起着关键作用。因此，对树突形态的表征……

SOA 是一种自动化工具，具有用户友好的界面，可用于从复杂的二维线状网络图像中识别、分割和提取重要的形态学信息。其工作流程简单直观，数据可立即且轻松地获得。此外，由于 SOA 具有可适应性和灵活性，其分析能力可扩展至其他应用领域。SOA 可用于分析其他类型的二维网络，例如非神经细胞网络、由细胞骨架生成的复杂结构以及非生物网络（如纳米管）。打开网页，找到 SOA.zip 压缩文件夹，通过双击下载该压缩文件。右键单击文件夹并选择“解压文件”以解压缩。在打开的选项窗口中，观察目标地址文本框中显示的提取路径，该路径指明了已解压文件的存储位置。接着，打开解压后的 SOA 文件，然后双击 SOA.exe。等待黑色窗口打开，随后应用程序将出现。在SOA查看器的上传菜单栏中，选择“选择文件”，然后从计算机文件中选择一张图像并单击该文件。单击“打开”，查看文件路径，然后单击“下一步”。为优化边缘分割，选择“阈值”并输入数值以调整显示阈值。在合并线条中，选择“合并最小距离”并输入数值以调整显示的最小合并距离，选择“合并最小角度”并输入数值以调整显示的最小合并角度。然后，单击“创建预览分割图像”，并调整参数以实现对片段的最大识别效果。如果需要更改参数，请点击关闭窗口按钮，并重新调整最小距离和合并角度的阈值。要生成输出文件，请点击“确定”以在分析图中显示分割图像。在弹出的窗口中，选择一个保存 xlsx 文件的位置。输入文件名，然后选择保存，并等待包含数据的 xlsx 文件创建并保存。要前后切换之前定义的视图，请使用前进和后退按钮。通过按下缩放按钮来激活平移和缩放功能，然后将鼠标移动到所需位置。然后，按住鼠标左键并拖动图像至新位置，以平移该图像。松开鼠标按钮后，图像中选定的点将显示在新位置。按住 X 或 Y 键可限制坐标轴的移动方向。要进行缩放，请按住鼠标右键并将其拖动到新位置。向右移动可放大 x 轴，向左移动可缩小 x 轴。对于 y 轴，向上和向下移动可执行相同操作。缩放时请注意，鼠标指针下的点保持固定不动，从而可以围绕该点进行放大或缩小。使用修饰键 X、Y 或 Control 可将缩放限制在 X 方向、Y 方向或保持纵横比不变。要启用矩形区域缩放模式，请单击“矩形缩放”按钮。将光标移至图像上方，按下鼠标左键。按住按钮的同时移动鼠标至新位置，以定义一个矩形区域。使用子图配置工具设置子图的外观。要打开文件保存对话框，请点击保存按钮，并以适当的格式保存文件。典型的SOA工作流程应用于一张用荧光标记的抗MAP2抗体标记的树突网络代表性二维图像。SOA的图形用户界面可实现原始图像与分割后图像的对比，并提供对分割参数调整效果的实时监控。树突分支被分为平行生长和非平行生长两类。分析完成后，提取测试范围内平行分支的数量，并绘制频率图。为了判断树突分支间平行生长的程度是随机的还是有方向性的，将该图的结果与模拟结果进行比较；模拟条件为：在培养物中生成与树突分支数量相同的随机直线，模拟其随机生长情况。SOA 随后测量平行分支之间的距离，以及平行和非平行树突分支的长度及其平均长度。为了确定是否存在优先生长方向，SOA 会显示树突分支生长角度的分布直方图，从而快速识别每组中优先的生长方向及特定的树突分支。SOA 的输出结果可作为数据库，供进行更深入和复杂分析的工具使用。

automatic-identification-of-dendritic-branches-and-their-orientation

Research

科研

JoVE Journal

Neuroscience

神经科学

树枝状分支及其方向的自动识别

来源： Pekarek, B. T., et. al., 通过CLARITY组织透明化技术对完整神经元树突进行成像与定量分析。J. Vis. Exp.

完整小鼠脑组织中树突分支及树突棘形态的共聚焦显微成像

来源：Ting, C., 等, 分析柱状与层状结构中的树突形态学。J. Vis. Exp. (2017)本视频演示了制备 果蝇...

分析跨越 Drosophila 腹髓各层与各列的树突形态

来源：Gouder, 等. 来自人诱导性多能干细胞的锥体神经元树突棘的三维定量分析。J. Vis. Exp.

使用共聚焦显微镜成像定量树突棘

我们介绍了两种用于可视化和定量分析小鼠模型海马中树突分支的方法：实时成像和扩展景深成像。前者可实现复杂的拓扑追踪，并对分支程度进行定量分析，后者则能够快速可视化树突树结构。...

小鼠海马区齿状回树突分支的评估

锥体神经元的树突棘是哺乳动物大脑皮层中大多数兴奋性突触的所在部位。本方法描述了对来源于诱导 多能干细胞的人类皮层锥体谷氨酸能神经元的树突棘形态进行三维定量分析。...

源自人诱导性多能干细胞的锥体神经元树突棘三维定量分析

本文展示了如何分析果蝇（Drosophila）髓质神经元在神经小柱和层中的树突投射。该工作流程包括一种双视角成像技术，以提高图像质量，以及一系列计算工具，用于追踪树突分支、将树突结构配准至参考小柱阵列，并在三维空间中分析树突结构。...

分析柱状和层状结构中的树突形态

本方案重点介绍果蝇（Drosophila）神经元树突分支复杂性（NDAC）的定量分析，可用于树突形态发生相关研究。...

神经元树突分支复杂性的定量分析 果蝇

在此，我们描述了用于在活体样本中成像高度运动性树突丝状伪足的方法 黑腹果蝇...

延时活体成像及快速树突分支动态在发育期 Drosophila 神经元中的定量分析

我们提出了一种标记和分析锥体神经元的方案，这对于评估可能介导神经化学和行为异常的神经元及树突棘形态学改变至关重要。...

脑片及原代细胞培养中锥体神经元的弹道标记

神经元树突的形态通常与其功能相关。事实上，许多影响神经元发育的疾病过程均表现为形态学表型。本方案描述了一种简单而强大的方法，用于分析完整的树突分支及其相关的树突棘。...

通过CLARITY组织透明技术对完整神经元树突进行成像与定量分析

树突棘是大多数兴奋性突触的突触后区室。在神经发育、衰老、学习过程以及许多神经和精神疾病中，树突棘形态会发生改变，这凸显了可靠分析树突棘的重要性。本方案描述了如何使用自动三维神经元重建软件，准确且可重复地量化树突棘形态。...

使用自动三维神经元重建软件进行树突棘定量分析

了解SOA自动化计算工具，用于分析二维荧光图像中的神经元树突分支形态。该软件可快速提取分支长度、生长角度等参数，实现平行与非平行生长模式的分类识别，为神经科学研究提供高效的数据分析支持。

树突分支及其方向的自动识别

探索更多视频