SlicesMapi：一种精准定位脑切片的交互式三维注册创新方法，为脑科学研究解锁新视野

为解决 2D 脑切片图像与 3D 参考脑图谱配准在精度、计算通量和适用性方面的难题，研究人员开展了 SlicesMapi 交互式 3D 脑切片序列注册方法的研究。结果显示，在主要脑区 Dice 评分达 0.9，该方法有望提供更精准、稳健和高效的空间定位方案。

　　脑切片是脑科学研究中常用的技术。为了研究特定类型神经元和神经回路等标记信息的空间分布，需要将脑切片图像配准到参考图谱定义的三维（3D）标准脑空间。然而，二维（2D）脑切片图像与 3D 参考脑图谱的配准在精度、计算通量和适用性方面仍面临挑战。本文提出了 SlicesMapi，一种用于脑切片序列的交互式 3D 注册方法。该方法通过利用相邻切片和相应参考图谱切片的双重约束，校正 3D 和 2D 空间中的线性和非线性变形，并以全分辨率配准图像来保证精度，避免了基于深度学习的配准方法中图像下采样导致的信息丢失。该方法用于应对未知切片角度配准以及 3D 艾伦参考图谱与具有细胞结构或自发荧光通道的切片之间非线性变形的挑战。实验结果表明，在主要脑区的 Dice 评分达到 0.9，凸显出相较于现有方法的显著优势。与现有方法相比，该方法有望为脑切片提供更准确、稳健和高效的空间定位方案，能够提高切片图像空间定位的精度。