10.19678/j.issn.1000-3428.0064207
基于可控卷积曲面的三维神经元建模
在神经科学领域,大脑复杂神经行为的分析需要构造表面光滑且高质量的神经元模型.针对三维神经元形态数据的复杂性,现有三维神经元模型的研究在构造模型的过程中,骨架之间的折痕较大且表面光滑度较低.为解决支撑半径过大导致的卷积过渡混合问题,采用基于采样点密度和半径的算法进行数据预处理并结合骨架的抽象性和卷积曲面的光滑性,提出一种利用局部可变支撑半径控制的卷积曲面混合方法.采用基于VDB的稀疏体素自适应调整空间分辨率提高生成效率,用于解决提取不同半径神经元等值面的速度问题.为验证生成模型数据的有效性,利用MeshLab工具验证网格的水密性并基于Isotropic Remeshing算法重构网格,利用Loop算法细分神经元网格,使其表面更加光滑且包含更多细节信息.为构造在脑神经组织中进行光传播模拟实验的神经元模型,利用TetGen软件生成高质量的神经元四面体模型.实验结果表明,与现有神经元建模方法相比,该方法不仅能有效提高生成速率,而且能生成高阶光滑的网格模型.
神经元可视化、骨架、隐式曲面、卷积曲面、曲面混合、网格优化
49
TP391.9(计算技术、计算机技术)
国家自然科学基金61402277
2023-03-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
231-237