Visual computing techniques for the reconstruction and analysis of anatomically realistic neural networks

Abstract

To understand how the brain translates sensory input into behavior, one needs to identify, at the cellular level, the involved neural circuitry and the electrical signals it carries. This thesis describes methods and tools that enable neuroscientists to obtain important anatomical data, including neuron numbers and shapes, from 3D microscopy images. On this basis, tools have been developed to create and visually analyze anatomically realistic 3D models of neural networks: 1\. An automatic segmentation method for determining the number and location of neuron cell bodies in 3D microscopy images. Application of this method yields a difference of merely ∼4% between automatically and manually counted cells, which is sufficiently accurate for application in large-scale counting experiments. 2\. A method for the automatic alignment of 3D section volumes containing filamentous structures. To this end, an existing point-matching-based method has been adapted such that sections containing neuron and microtubule fragments could be successfully aligned. 3\. The Filament Editor, a 3D proof-editing tool for visual verification and correction of automatically traced filaments. The usefulness of the Filament Editor is demonstrated by applying it in a validated neuron reconstruction pipeline to create 3D models of long-range and complex neuronal branches. 4\. The tool NeuroNet, which is used to assemble an anatomical model of a neural network representing the rat barrel cortex (or subnetworks therein, e.g. individual cortical columns), based on reconstructed anatomical data, such as neuron distributions and 3D morphologies. The tool estimates synaptic connectivity between neurons based on structural overlap between axons and dendrites. 5\. A framework for the interactive visual analysis of synaptic connectivity in such networks at multiple scales. It works from the level of neuron populations down to individual synapse positions on dendritic trees. It comprises the Cortical Column Connectivity Viewer, developed to analyze synaptic connections between neuron populations within and between cortical columns. The usefulness of these methods is demonstrated by applying them to reconstruct and analyze neural networks in the rat barrel cortex. Finally, I describe several applications of these methods and tools by neuroscientists, yielding significant biological findings regarding neuron anatomy and connectivity.

Um zu verstehen wie das Gehirn Sinnesreize, die zu bestimmtem Verhalten führen, verarbeitet, muss man in zellullärer Auflösung die beteiligten neuronalen Schaltkreise und die von ihnen übertragenen elektrischen Signale identifizieren. Diese Dissertation präsentiert Methoden und Werkzeuge, die es Neurowissenschaftlern ermöglichen, wichtige anatomische Daten wie Neuronenanzahl und -form aus 3D-Mikroskopaufnahmen zu rekonstruieren. Darauf aufbauend wurden Werkzeuge entwickelt, um anatomisch realistische Modelle neuronaler Netzwerke zu bilden und visuell zu analysieren: 1\. Eine Methode zur automatischen Erkennung und Lokalisierung von Nervenzellkörpern in 3D- Mikroskopbildern. Die Anwendung dieser Methode ergibt eine Differenz von lediglich ∼4% zwischen automatisch und manuell gezählten Zellen. Diese Genauigkeit ermöglicht die automatische Verarbeitung von großen Datenvolumen. 2\. Eine Methode zur automatischen Ausrichtung von 3D-Schnittvolumen, die linienartige Strukturen enthalten. Dazu wurde eine auf Point-Matching basierende Methode so adaptiert, dass Neuronen- und Mikrotubulifragmente erfolgreich ausgerichtet werden können. 3\. Der Filament Editor, ein Werkzeug für die visuelle Validierung und interaktive Korrektur von automatisch segmentierten linienartigen Strukturen. Der Nutzen des Filament Editors wird durch Anwendung zur 3D-Rekonstruktion von langen und komplexen axonalen Verzweigungen eines Neurons gezeigt. 4\. Das Tool NeuroNet, mit dem anatomisch realistische dreidimensionale Modelle eines neuronalen Netzes aus rekonstruierten anatomischen Daten zusammengesetzt werden können. Dieses Werkzeug schätzt die synaptische Konnektivität zwischen Neuronen basierend auf räumlicher Uberlagerung von Dendriten und Axonen. 5\. Ein interaktives System zur visuellen, skalenübergreifenden Analyse synaptischer Konnektivität in 3D- Modellen neuronaler Netze. Der darin enthaltene Cortical Column Connectivity Viewer ermöglicht die Analyse synaptischer Verbindungen zwischen Neuronenpopulationen innerhalb und zwischen kortikalen Säulen. Die entwickelten Methoden werden anhand des Nachbaus eines Netzwerkes im Barrel Cortex der Ratte, in dem Sinnesinformationen der Barthaare verarbeitet werden, demonstriert. Abschließend werden einige Studien vorgestellt, in denen Neurowissenschaftler die beschriebenen Methoden angewendet haben und dadurch wesentliche neurobiologische Erkenntnisse gewinnen konnten.