NeuronStudioเป็นโปรแกรมที่ไม่แสวงหาผลกำไร สร้างขึ้นที่Icahn School of Medicine at Mount Sinaiโดยศูนย์ Computational Neurobiology and Imaging Center โปรแกรมนี้ทำการติดตามและสร้างโครงสร้างเซลล์ประสาทขึ้นใหม่โดยอัตโนมัติจาก ชุด ภาพคอนโฟคอลจากนั้นแบบจำลองที่ได้จะถูกส่งออกเป็นไฟล์ในรูปแบบมาตรฐานเพื่อการประมวลผล การสร้างแบบจำลอง หรือการวิเคราะห์ทางสถิติเพิ่มเติม NeuronStudio สามารถจัดการรายละเอียดทางสัณฐานวิทยาในระดับต่างๆ ตั้งแต่ รูปทรงเรขาคณิต ของเดนไดรต์ ในระดับท้องถิ่น ไปจนถึงโครงสร้างแบบต้นไม้ที่ซับซ้อน และการจัดเรียงเชิงพื้นที่โดยรวมของเครือข่ายเซลล์ประสาทหลายเซลล์ ความสามารถในการแปลงเป็นดิจิทัลโดยอัตโนมัติช่วยหลีกเลี่ยงข้อผิดพลาดที่เกิดจากอัตวิสัยในการติดตามด้วยมือ โปรแกรมนี้หยุดให้การสนับสนุนในปี 2012 และหน้าโครงการถูกลบออกจากเว็บไซต์ ISMMS ในที่สุด อย่างไรก็ตาม เอกสารประกอบและซอร์สโค้ดสำหรับ Windowsยังคงมีให้ใช้งานผ่านทางInternet Archive

การลดสัญญาณรบกวนในข้อมูลภาพมีความสำคัญอย่างยิ่งต่อการสร้างภาพสามมิติที่แม่นยำ การลดสัญญาณรบกวนเป็นวิธีการปรับปรุงภาพโดยใช้ความรู้เบื้องต้นเกี่ยวกับระบบทางแสงในรูปแบบของฟังก์ชันการกระจายจุด (PSF) เพื่อให้ได้ค่าประมาณของวัตถุที่ดีขึ้น ฟังก์ชันการกระจายจุดสามารถคำนวณได้จากพารามิเตอร์ของกล้องจุลทรรศน์จริง วัดด้วยลูกปัด หรือประมาณค่าและปรับปรุงอย่างต่อเนื่อง ( การลดสัญญาณรบกวนแบบไม่ใช้ข้อมูลอ้างอิง ) สามารถปรับ PSF ได้เฉพาะที่เพื่อชดเชยความแปรผันของลักษณะการหักเหของแสงของเนื้อเยื่อตามความลึกและลักษณะของตัวอย่าง สำหรับการ ใช้ งานแบบอัตโนมัติกับชิ้นเนื้อขนาดใหญ่ที่เรียงต่อกัน วิธีนี้เร็วกว่าและแม่นยำกว่าการใช้PSF ที่กำหนดจากการทดลอง

ข้อผิดพลาดในการกำหนดปริมาณเกิดขึ้นใน อัลกอริทึม การสร้างโครงร่าง มาตรฐาน เนื่องจาก ลักษณะ ที่เป็นจำนวนเต็มของภาพดิจิทัล ความต้องการในการแสดงรูปทรงเรขาคณิตของ กิ่ง ก้านสาขา อย่างละเอียดอย่างแม่นยำ ได้นำไปสู่การพัฒนาการดัดแปลงใหม่ของอัลกอริทึมการสร้างโครงร่างและการประมาณเส้นผ่านศูนย์กลางมาตรฐานเพื่อแก้ไขข้อผิดพลาดในการกำหนดปริมาณเหล่านี้ วิธีการสร้างโครงร่างแบบลดความหนาแบบวนซ้ำสามารถให้ระยะทางเป็นว็อกเซลจากแต่ละโหนดของต้นไม้ไปยังพื้นผิวของวัตถุ ระยะทางนี้คือเมตริก D6 ซึ่งได้มาจากการนับจำนวนว็อกเซลที่ถูกลบออกในเส้นทางเชื่อมต่อ 6 เส้นที่น้อยที่สุดจากพื้นผิวไปยังแกนกลางในอัลกอริทึมการสร้างโครงร่างหรือการสร้างเวกเตอร์ที่มีอยู่สำหรับการวัดรูปร่างของกิ่งก้านสาขา หน้าตัดของกิ่งที่โหนดใด ๆ จะถูกประมาณว่าเป็นวงกลม โดยเมตริก D6 จะให้ค่าประมาณเส้นผ่านศูนย์กลางเพียงค่าเดียว ความแม่นยำของค่าประมาณเส้นผ่านศูนย์กลางนี้ถูกจำกัดด้วยขนาดทางกายภาพของว็อกเซล สำหรับโครงสร้างขนาดเล็ก เช่นเดนไดรต์และหนามที่บาง ซึ่งประกอบด้วยโวเซลเพียงไม่กี่ตัวแม้ที่ความละเอียดการถ่ายภาพสูงสุด ข้อผิดพลาดอาจมีนัยสำคัญหากใช้การวัดนี้โดยตรง (ดูรูป) เพื่อลดข้อผิดพลาดในการกำหนดปริมาณและประเมินรูปทรงเรขาคณิตของโหนดได้อย่างแม่นยำยิ่งขึ้น จึงมีเทคนิคการประมาณค่าแบบใหม่ คือ อัลกอริทึมการสุ่มตัวอย่างแบบเรย์เบิร์สต์ ซึ่งใช้ ข้อมูล ระดับสีเทา ดั้งเดิม แทนภาพที่แบ่งส่วนแล้วสำหรับการประมาณค่ารัศมีที่แม่นยำและต่อเนื่อง และการสุ่มตัวอย่างรัศมีแบบหลายทิศทางเพื่อแสดงภาพตัดขวางของกิ่งที่ไม่เป็นวงกลมและหัวหนามที่ไม่เป็นทรงกลมได้อย่างแม่นยำยิ่งขึ้น^{[ 1 ] [ 2 ]}

อัลกอริทึมการสุ่มตัวอย่างแบบ Rayburst ใช้ข้อมูลระดับสีเทาดั้งเดิมแทนภาพที่แบ่งส่วนแล้วสำหรับการประมาณรัศมีที่แม่นยำและต่อเนื่อง และการสุ่มตัวอย่างรัศมีแบบหลายทิศทางเพื่อแสดงภาพตัดขวางของกิ่งที่ไม่เป็นวงกลมและส่วนหัวของกระดูกสันหลังที่ไม่เป็นทรงกลมได้อย่างแม่นยำยิ่งขึ้น อัลกอริทึมจะคำนวณอาร์เรย์ของเวกเตอร์หน่วยล่วงหน้าซึ่งสุ่มตัวอย่างข้อมูลในหลายทิศทาง (แกนการสุ่มตัวอย่าง) จากนั้นจึงคำนวณค่าประมาณของรูปทรงเรขาคณิตของโหนด การแสดงผลแต่ละทิศทางอย่างแม่นยำโดยแกนการสุ่มตัวอย่างจำเป็นต้องให้ เวกเตอร์ Nตัวกระจายอย่างสม่ำเสมอทั่วทรงกลมหน่วย อัลกอริทึมใช้ การจำลอง ฟิสิกส์อนุภาคซึ่งสร้างชุด เวกเตอร์หน่วย Nตัวที่วางแนวแบบสุ่ม ส่งผลให้เกิดการกระจายจุดแบบสุ่มและไม่สม่ำเสมอบนทรงกลม จากนั้นแต่ละอนุภาคจะได้รับแรงผลักจากอนุภาคอื่น ๆ ทุกตัว ซึ่งเป็นสัดส่วนผกผันกับกำลังสองของระยะห่างระหว่างกัน โดยการเคลื่อนย้ายอนุภาคซ้ำ ๆ ในทิศทางของแรงลัพธ์ อนุภาคจะจัดเรียงตัวเองใหม่ ระบบนี้จะมีแนวโน้มที่จะเข้าสู่การกำหนดค่าพลังงานต่ำสุดที่เสถียรภายในประมาณ 40 รอบการทำซ้ำ โดยที่อนุภาคแต่ละตัวจะอยู่ห่างจากเพื่อนบ้านที่ใกล้ที่สุดมากที่สุด ข้อมูลนี้สามารถใช้ในการสร้างกิ่ง 3 มิติที่มีรูปร่างไม่สม่ำเสมอได้ เส้นผ่านศูนย์กลางของหน้าตัดวงกลมที่เทียบเท่ากันจะถูกคำนวณในระนาบที่ตั้งฉากกับแกนกลางโดยใช้เส้นผ่านศูนย์กลางแถบล่างค่ามัธยฐาน (MLBD) ในการคำนวณ MLBD ให้ใช้ชุดตัวอย่างและเพิ่มเวกเตอร์คู่ตรงข้ามที่สอดคล้องกัน เรียงลำดับเวกเตอร์ตามขนาด กำหนดแถบล่างเป็น 50% ล่าง และใช้ระยะทางที่ตำแหน่ง N/4 ซึ่งแสดงถึงค่ามัธยฐานของแถบล่าง เพื่อประมาณเส้นผ่านศูนย์กลาง^{[ 3 ]}

NeuronStudio ส่วนใหญ่ใช้สำหรับการวิเคราะห์ ทางสัณฐาน วิทยาเชิง ปริมาณของ หนามเดนไดรต์ข้อได้เปรียบที่สำคัญที่สุดของการใช้การติดตามเดนไดรต์และหนามโดยใช้ NeuronStudio คือวิธีการที่ใช้การติดตามอัตโนมัติจะไม่ไวต่อการเลื่อนหรือการเคลื่อนไหวของเดนไดรต์ เนื่องจากเดนไดรต์แต่ละอันสามารถติดตามแยกกันได้ในแต่ละสแต็ก ซึ่งช่วยให้สามารถเปรียบเทียบหนามจากบันทึกที่ยาวมากหรือจุดเวลาที่ห่างกันมากขึ้นได้ เนื่องจากผลการวิเคราะห์ของ NeuronStudio ให้การวัดแบบ 3 มิติที่แม่นยำของความกว้างของหัวหนามและความยาวของหนาม วิธีนี้จึงมีประโยชน์ในการตรวจจับการเปลี่ยนแปลงในสัณฐานวิทยาของหนาม นอกจากนี้ การใช้การวัดด้วยคอมพิวเตอร์ยังช่วยให้สามารถวิเคราะห์หนามหลายร้อยอันได้ในเวลาอันสั้น^{[ 4 ]}

• กล้องจุลทรรศน์คอนโฟคอล
• ว็อกเซล
• ฟังก์ชันการกระจายจุด
• ดีคอนโวลูชัน
• TIFF
• โครงกระดูก

• โรดริเกซ, อัลเฟรโด (18 กุมภาพันธ์ 2553). "เครื่องมือ: NeuronStudio (เบต้า) เวอร์ชัน 0.9.92 อัปเดตล่าสุดเมื่อวันที่ 19 พฤศจิกายน 2552" . CNIC, โรงเรียนแพทย์เมานต์ไซนาย. เก็บถาวรจากต้นฉบับเมื่อ 16 กันยายน 2561.
• "รหัสต้นฉบับของ NeuronStudio 0.9.92" CNIC, โรงเรียนแพทย์เมานต์ไซนาย 30 กันยายน 2010 เก็บถาวรจากต้นฉบับเมื่อ 3 กรกฎาคม 2018