3、BigBrain 自动皮质分区：方法与结果

BigBrain 自动皮质分区：方法与结果

1. 材料与方法

1.1 材料

• BigBrain 体积数据 ：采用 2015 版本的 BigBrain 3D 重建体积数据，使用其原生组织学空间，避免因额外处理（如注册到立体定向空间）引入的失真。为定义由标记为灰质的体素组成的皮质幔，使用了可用的 3D 分类体积图像以及 200 µm 提取的灰质和白质表面。
• Brodmann 图谱 ：使用 MRIcron 软件提供的 3D Brodmann 图谱，并将其注册到 BigBrain 体积数据上，以便将 BigBrain 的分区结果与投影的 Brodmann 区域进行比较。研究主要聚焦于大脑左半球，因为 Brodmann 图谱最初是在左半球定义的，其右半球是左半球的对称副本。
• JuBrain 图谱 ：对于特定区域（如视觉皮层），将分区结果与 JuBrain 图谱进行比较。该图谱采用半自动化分区方法构建，但由于该方法设计用于 1 µm 的细胞分辨率，而 BigBrain 的分辨率为 20 µm，单个细胞不可见，因此该方法不适用于本研究目标。

1.2 多级分区算法概述

分析过程包括初始化阶段和三级分区方法，具体流程如下：
1. 初始化阶段 ：在皮质幔上定义初始轮廓（163,842 个 3D 条），并使用尺度不变特征变换（SIFT）算法将其筛选为 1,071 个起始轮廓，这些轮廓代表具有相似信息的轮廓组内的最大同质中心。
2.