正文
图3：活体钙成像数据
结果四：千万层切片 × 纳米级解析：构建有史以来最大规模的脑连接EM图谱
研究团队利用自动化透射电子显微镜
（autoTEM）
对与功能成像区域相匹配的小鼠视觉皮层体积进行了连续切片和超高分辨成像，最终获得了覆盖约800 μm脑区、厚度达27,972层、总数据量高达2 Pb、空间分辨率为4 nm的脑组织EM图谱。为保证切片连续性和数据质量，切片过程由人工24小时轮班监控，最终选取了切片完整率高
（丢片率约0.1%）
的26,652层进行成像。受限于技术操作，图像被划分为两个子体积，分别经过拼接、粗对齐与细对齐后被统一到同一坐标框架中，以实现神经元结构在跨体积间的追踪与重建。
研究团队开发并应用了基于卷积神经网络的像素级位移估计方法，显著提升了图像间的非线性对齐精度，尤其是在应对切片过程中的折叠和裂缝等变形时表现出色。最终生成的对齐图像体积以8 nm分辨率存储，为后续大规模轴突与树突的重建和精确连接性分析提供了坚实基础。
图4：电子显微镜数据集
结果五：5亿突触 × 14万细胞核：自动化重建揭示皮层神经元精细结构与连接图谱
研究团队利用基于卷积神经网络的亲和力预测与聚合算法，在高分辨率对齐的EM图像上对神经元胞突进行了密集自动分割，实现了大规模、高精度的神经元形态重建
（图5a）
。在对图像对齐质量较高的区域，自动分割能够准确恢复树突结构及其棘突，初步区分兴奋性与抑制性神经元类型，并成功识别出大量星形胶质细胞、小胶质细胞及血管等非神经元结构。两部分子体积虽分别分割，但对齐精度足以支持跨体积追踪
（图5b）
。此外，团队通过另一套卷积网络自动分割了14.4万个细胞核，并在100 µm²区域内对2,751个细胞核进行了手动分类，结合机器学习建立了准确区分神经元与非神经元
（如胶质细胞）
的分类模型，为细胞类型注释提供了结构基础。
研究还自动识别出5.24亿个突触连接，并准确匹配突触前后神经元身份，自动检测在手动验证中表现出96%的精度和89%的召回率，突触配对的准确率则高达98%，展现出前所未有的自动化重建效率与质量。
图5：自动重建结果
总的来说，
本研究结合双光子钙成像与高分辨率电子显微成像，首次在同一小鼠皮层中实现了大规模神经元活动、形态和突触连接的联合图谱构建。通过精确配准与自动化重建，研究团队成功获取了7.6万个功能神经元、14万个细胞核和5亿个突触的数据，系统揭示了视觉皮层中多区域、多层次神经元的功能-结构整合特征。
原文链接：
https://doi.org/10.1038/s41586-025-08790-w
MICrONS Consortium. Functional connectomics spanning multiple areas of mouse visual cortex. Nature. 2025 Apr;640(8058):435-447. doi: 10.1038/s41586-025-08790-w. Epub 2025 Apr 9. PMID: 40205214; PMCID: PMC11981939.
阅读最新前沿科技趋势报告，请访问欧米伽研究所的“未来知识库”
https://wx.zsxq.com/group/454854145828
未来知识库
是“
欧米伽
未来研究所”建立的在线知识库平台，收藏的资料范围包括人工智能、脑科学、互联网、超级智能，数智大脑、能源、军事、经济、人类风险等等领域的前沿进展与未来趋势。
目前拥有超过8000
篇重要资料。
每周更新不少于100篇世界范围最新研究
资料
。
欢迎扫描二维码或访问
https://wx.zsxq.com/group/454854145828
进入。
截止到3月31日 ”未来知识库”精选的百部前沿科技趋势报告
（加入未来知识库，全部资料免费阅读和下载）
-
牛津未来研究院 《将人工智能安全视为全球公共产品的影响、挑战与研究重点》
