在生命科学研究中，脑科学一直是研究的重难点。要了解功能，先观测结构。以最常用的模式动物小鼠为例，当不同实验室使用自有的成像工具在单细胞甚至更高分辨率的精度获取小鼠的全脑图像后，如何将样本脑数据以及具有特定生物学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，是神经科学研究里一项关注的问题。现有的图谱映射工具由于采集数据的形变量差异，多模态性以及不完整性等特征，难以基于常规的配准模型获取精准的映射结果。同时，在实现小鼠脑解剖学区域的分割注释后，缺乏区域三维模型的重建，使大脑区域间通信模式的研究，投射细胞数量的估计等具体问题较难在三维空间下进行精确分析。

2021年1月27日，我院费鹏教授课题组联合华中科技大学同济医学院韩芸耘教授课题组，在国际知名生物学期刊eLife上发表了题为“Bi-channel Image Registration and Deep-learning Segmentation (BIRDS) for Efficient, Versatile 3D mapping of Mouse Brain”的论文，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框架包括图像预处理，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出了一个新的特征通道用于辅助配准，新引入的特征信息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，BIRDS软件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。由于神经网络解决脑图像解剖学分割问题的难点在于极难获取的像素级精度的标签图像，我们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

基于双通道配准算法的结果，我们后续可生成对应于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

面对常规配准流程难以处理的残缺/局部的鼠脑数据，我们在BIRDS软件中构造了常见的三种缺失模型，同时基于DeepLabv3+的语义分割网络针对鼠脑数据进行了网络结构优化。双通道配准算法可产生像素级精度的脑解剖学区域标签数据，在人工模拟下建立了1（完整脑数据）:1（残缺脑数据）的训练数据库，网络预测的解剖学区域结果也可以生成残缺脑数据的三维数字化地图。

图 3 神经网络预测残缺/局部鼠脑图像的分区。以双通道配准算法得到的脑解剖学区域信息构建训练库，同时作为高分辨基准对神经网络的分割结果进行评价，展示了神经网络在直接预测脑图像分区上的出色性能，量化的不同区域平均Dice值可达0.86.

简言之，该工作开发了一种基于双通道配准模型与神经网络的小鼠脑图谱3D映射软件，该软件优化了配准精度，同时摒弃了人工标注训练库，实现流程自动化且完全开源。这种新提出的双通道配准算法可适用于不同显微镜平台的跨模态小鼠脑数据，同时显示出优异的配准精度。我们的方法还将配准算法与深度学习技术相结合，不仅配准算法可以轻松的为神经网络构建训练库，神经网络也可以有效的分割残缺的小鼠脑数据，进而实现协同效应，达到高效鲁棒的脑分割/注释/图谱生成/数据分析。我们已将这套BIRDS软件完全开源，并开发成Fiji插件，研究者可以自行下载安装，将其应用于自己的研究中。

1331.c.om.银河游戏博士研究生王雪纯，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。1331.c.om.银河游戏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。本研究在国家自然科学基金、国家重点研发计划、武汉光电国家研究中心创新基金的资助下开展和完成。

论文链接：https://doi.org/10.7554/eLife.63455