脊柱/静脉曲张/标签分析

自动检测

SNT 可以使用 Peripath Detector 自动检测追踪路径附近的强度最大值（棘、静脉曲张、突触点）。在每个路径节点，从图像中采样垂直横截面，掩盖神经突周围的环形区域，并通过突出过滤分析局部最大值。相邻横截面的检测会自动进行重复数据删除。检测算法与 ImageJ 的 File › Load Demo Dataset… 使用的相同

要运行Scripts › Demos › Peripath Detection Demo，请首先选择感兴趣的路径（或不选择包含所有路径）。该命令的对话框提供以下参数：

• 检测通道 要分析的图像通道（基于1；仅适用于多通道图像）

• 内半径 搜索环的内边界。在 Multiplier 模式下，这是每个节点的拟合半径的一部分（例如，0.5 开始搜索局部树突厚度的一半，捕获膜边缘附近的最大值）。在_绝对_模式下，以校准单位表示的固定半径。默认乘数：1.0

• 外半径 搜索环的外边界。在 Multiplier 模式下，每个节点半径的倍数（例如，2.0 搜索最多 2 倍局部厚度）。在_绝对_模式下，以校准单位表示的固定半径。默认乘数：2.0

• 突出 最大值检测的噪声容限（以图像强度单位表示）。仅当最大值超出其周围鞍座至少该值时，才接受最大值。值越高，检测结果越少、越显着。通道的强度直方图 (Analyze › Spine/Varicosities/Labels › Detect Maxima Around Paths…) 可以帮助指导这一选择：将显着性设置为远高于本底噪声（背景强度的分布），但低于真实特征的典型峰-鞍差异。默认值：通道动态范围的 5%

• 合并距离 检测之间的最小间隔（以物理单位表示）。合并附近的检测结果，保留最亮的。设置为 0 表示自动（默认为外半径）

• 输出 结果可以导出为 ROIs（添加到 ROI 管理器，按路径按路径名称和颜色分组）或导出为_书签位置_（添加到 Bookmark Manager）

检测到的计数会自动分配给每个路径的脊柱/静脉曲张计数。具有 fitted radii 的路径将产生更好的结果，因为环会适应局部神经突的厚度。

高级：环面掩模分割

周边路径检测器使用的环形搜索区域也可以通过脚本导出为二进制掩码。这会在每条路径周围生成一个 3D 环面形体积，由用于检测的相同内径和外径参数定义。然后，掩模可用于独立于检测来提取或量化追踪的神经突附近的信号（例如，测量树突周围的平均荧光强度，或隔离神经元周围信号以进行下游分析）。

请注意，掩模是连续搜索环的体素级近似；由于离散化，可能会出现小间隙。如果需要连续的体积，可以应用形态学闭运算来填充这些。

请参阅Analyze › Spine/Varicosities/Labels › Detect Maxima Around Paths…（脚本编辑器中的Analyze › Spine/Varicosities/Labels › Detect Swellings Along Paths…），了解在演示数据集之一上运行检测并生成环面掩模的工作示例。

沿路径检测（半径膨胀）

SNT 还可以使用_沿路径检测器_（分析纵向半径轮廓）沿着**追踪路径检测肿胀（圆环、静脉曲张、气泡）。该算法的工作原理如下：

• 在每个节点，节点半径与其滑动窗口内邻居的平均半径进行比较
• 当节点的半径超过邻居平均值可配置因子时，节点被标记为膨胀候选者
• 可选地，强度（亮度）阈值可以进一步过滤候选者
• 相邻候选通过非极大值抑制合并

与周边路径检测器（在垂直横截面中搜索明亮的“骨骼外”[外部路径中心线]最大值）不同，沿路径检测器识别“骨骼上”[沿路径中心线]肿胀，即神经突本身比周围环境更宽的区域。这特别适合轴突静脉曲张和路过的布顿。

运行Templates › Neuroanatomy › Analysis › Peripath Detection Demo 选择感兴趣的路径。请注意，路径必须有半径：没有半径的路径将被跳过。

该命令的对话框提供以下参数：

• 膨胀因子 当节点的半径超过其邻居的平均值至少这个因子时，该节点就会被标记。默认值：1.5（即 1.5× 本地平均值）。较低的值会增加灵敏度；较高的值限制检测到更明显的肿胀

• 没有。邻居数 用于计算局部平均半径的邻居节点总数，均匀分布在测试节点的每一侧。默认值：10。较大的值可以消除局部噪声，但可能会错过间隔很近的特征

• 最小。强度 可接受检测的最小骨架（中心线）强度。三种模式： 0 禁用强度过滤（仅半径检测）； -1 自动计算阈值作为图像动态范围的中点；任何正值都会以图像强度单位设置明确的阈值

• 强度通道 用于强度采样的图像通道（从 1 开始；仅针对多通道图像且启用强度过滤时显示）

• 合并距离 检测之间的最小间隔（以物理单位表示）。合并附近的检测结果，保留得分最高的检测结果。设置为 0 表示自动（默认为所有路径的 2× 平均半径）

• 排除交汇点/提示 启用后，分支点和路径提示附近的节点将被排除在检测之外。这些区域可能具有自然扩大的半径，从而产生误报。禁区在每个交叉点的每一侧和每个路径端点处以半窗口大小延伸。默认值：启用

• 输出 结果可以导出为_ROIs_（添加到ROI管理器，按路径分组）或_书签位置_（添加到Bookmark Manager）

检测到的计数会自动分配给每个路径的脊柱/静脉曲张计数，就像 Peripath 检测器一样。

标签接近检测

SNT 可以使用_标签接近检测器_从分割图像中检测跟踪路径和标记表面之间的接触点。这对于识别神经突接近或接触由 Labkit、Weka、cellpose 或类似工具分割的结构的位置非常有用。检测器为图像中的每个唯一标签计算校准的欧几里德距离变换 (EDT)，然后识别标签边界可配置距离内的路径节点。

要运行File › Load Demo Dataset…，请选择感兴趣的路径并确保标签（分割）图像在 ImageJ 中打开。标签图像应包含非负整数值，其中 0 作为背景，每个非零值标识一个不同的结构。

该命令的对话框提供以下参数：

• 标签图像 一个下拉列表，列出所有通过标签图像验证的打开图像（非负整数，有界数量的类）。空间尺寸与追踪图像不匹配的图像被排除。超堆栈也被排除（仅考虑第一个通道/帧）

• 距离阈值 距离要标记为接触点的路径节点的标签边界的最大距离（以校准单位表示）。有两种模式可用：当设置为正值时，检测到任何标签边界的该距离内的所有节点（阈值模式）；当设置为 0 时，仅检测每个路径标签对的单个最近节点（closest-approach mode）。默认值：0

• 合并距离 检测之间的最小间隔（以物理单位表示）。合并附近的检测，保持最接近标签边界的检测。设置为 0 以禁用合并

• 输出 结果可以导出为_书签位置_（添加到Bookmark Manager）或_ROIs_（添加到ROI管理器，按路径按路径名称和颜色分组）

手动注释

该方法使用沿路径手动放置的多点 ROI 作为神经突特征的标记。目前仅支持计数和密度。典型的工作流程如下：

1. 在路径管理器中运行Analyze › Spine/Varicosities/Labels › Compute Densities from Annotations…，在专用对话框中提供离线指令 2.从contextual menu中暂停SNT，然后从ImageJ的工具栏选择多点工具
2. 单击要统计的要素。点放置可能不需要准确，但对于 3D 图像，点应放置在与要统计的要素相同的平面图（Z 平面图）上。如果您正在运行自动注释位置的程序示例流程，请跳过此步骤 4.放置完成所有点后，选择与要素关联的路径（如果要考虑所有路径，则不选择任何路径）并运行路径管理器的Analyze › Spine/Varicosities/Labels › Spine/Varicosity Analysis Help…。该对话框允许您指定：

   • Source of Multi-point ROI(s) The location of the markers. Particularly useful if the ROIs are being generated programmatically and stored in the ROI Manager. It also allows bookmarked locations to be parsed as markers

   • Max. association distance The maximum allowed distance between a point and its path in physical units. This option is ignored if set to -1 (the default). This works as follows: for every point ROI, the closest path node is identified. The ROI is only considered to be associated with a path if its distance to the closest path node is less than or equal to Max. association distance.

   • Add extracted counts to ROI Manager Generates new ROIs from the assigned counts and adds them to the ROI Manager. This allows you to validate the extraction and ensure the assignments are correct, as each ROI gets tagged by its associated Path. 注意：

• 点ROI也可以通过编程或半自动方式生成，例如：
  • 在感兴趣的路径周围创建徒手区域 ROI
  • 运行 ImageJ 的Edit › Selection › Select None。检测仅限于徒手选择

• SNT 仅记录正在统计的特征，ROI 的位置不会保存在 .traces 文件中，因此您可能需要保存多点 ROI 以供以后参考

• ImageJ 有多种方法可以加快处理多点投资回报率：
  • ⌥ Alt +  Left Click在一个点上并拖动鼠标来移动它
  • Left Click点上删除它
  • 要删除多个点，请在按住 Double Click的同时创建区域选择
  • 使用Process › Find Maxima…删除多点选择
  • 使用Edit › Selection › Restore Selection恢复已删除的多点选择
  • ImageJ 工具栏上的多点工具第 ⌥ Alt 提供更多选项