Specimen Preparation, Imaging, and Analysis Protocols for Knife-edge Scanning Microscopy

Major advances in high-throughput, high-resolution, 3D microscopy techniques have enabled the acquisition of large volumes of neuroanatomical data at ...

Kettering University

&#x76EE;&#x6807;&#x5BFC;&#x5411;&#x884C;&#x4E3A;&#x662F;&#x8BA4;&#x77E5;&#x7684;&#x6807;&#x5FD7;&#x3002;&#x76EE;&#x6807;&#x5BFC;&#x5411;&#x884C;&#x4E3A;&#x7684;&#x91CD;&#x8981;&#x524D;&#x63D0;&#x662F;&#x9884;&#x6D4B;&#x3002;&#x4E3A;&#x4E86;&#x5EFA;&#x7ACB;&#x4E00;&#x4E2A;&#x76EE;&#x6807;&#x548C;&#x5236;&#x5B9A;&#x4E00;&#x9879;&#x8BA1;&#x5212;&#xFF0C;&#x4E00;&#x4E2A;&#x9700;&#x8981;&#x770B;&#x5230;&#x672A;&#x6765;&#x548C;&#x9884;&#x6D4B;&#x5C06;&#x6765;&#x53EF;&#x80FD;&#x53D1;&#x751F;&#x3002;&#x6211;&#x4EEC;&#x8F83;&#x65E9;&#x524D;&#x7684;&#x5DE5;&#x4F5C;&#x5EFA;&#x8BAE;&#x53EF;&#x80FD;&#x6709;&#x795E;&#x7ECF;&#x5143;&#x4F20;&#x8F93;&#x5EF6;&#x8FDF;&#x7684;&#x8865;&#x507F;&#x673A;&#x5236;&#x5BFC;&#x81F4;&#x521D;&#x6B65;&#x9884;&#x6D4B;&#x7684;&#x7A97;&#x4F53;&#x3002;&#x5728;&#x8FD9;&#x9879;&#x5DE5;&#x4F5C;&#xFF0C;&#x4FC3;&#x8FDB;&#x795E;&#x7ECF;&#x5143;&#x52A8;&#x529B;&#x5B66;&#x53D1;&#x73B0;&#x80FD;&#x6709;&#x6548;&#x5730;&#x514B;&#x670D;&#x62D6;&#x5EF6; &#xFF08;&#x4FC3;&#x8FDB;&#x6FC0;&#x6D3B;&#x7F51;&#x7EDC;&#x6A21;&#x578B;&#x6216;&#x98CE;&#x6247;&#xFF09;&#x3002;&#x5EF6;&#x8FDF;&#x8865;&#x507F;&#x673A;&#x5236;&#x7684;&#x63A7;&#x5236;&#x70B9;&#x5C5E;&#x6027;&#x53EF;&#x4EE5;&#x88AB;&#x89C6;&#x4E3A;&#x9884;&#x6D4B; &#xFF08;&#x9884;&#x6D4B;&#x57FA;&#x4E8E;&#x8FC7;&#x53BB;&#x73B0;&#x5728;&#xFF09; &#x7684;&#x4F20;&#x5165;&#x4FE1;&#x53F7;&#x3002;&#x4EE5;&#x524D;&#x7684;&#x98CE;&#x6247;&#x6A21;&#x578B;&#x539F;&#x6765;&#x6709;&#x9650;&#x5236;&#x8F83;&#x957F;&#x7684;&#x5EF6;&#x8FDF;&#x9700;&#x8981;&#x5F97;&#x5230;&#x8865;&#x507F;&#x65F6;&#xFF0C;&#x7279;&#x522B;&#x662F;&#x5176;&#x4E2D;&#x8981;&#x6C42;&#x8C03;&#x89E3;&#x7387;&#x9AD8;&#x4E8E;&#x98CE;&#x6247;&#x7684;&#x6B63;&#x5E38;&#x8303;&#x56F4;&#x3002;&#x6211;&#x4EEC;&#x8981;&#x514B;&#x670D;&#x8FD9;&#x4E00;&#x5C40;&#x9650;&#x6027;&#x7684;&#x795E;&#x7ECF;&#x5143;&#x7EA7;&#x522B;&#x6539;&#x8FDB;&#x4FC3;&#x8FDB;&#x52A8;&#x6001;&#x6D3E;&#x751F;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x6D4B;&#x8BD5;&#x63A7;&#x5236;&#x5668;&#x7684; 2D &#x6746;&#x5E73;&#x8861;&#xFF0C;&#x6211;&#x4EEC;&#x63D0;&#x8BAE;&#x7684;&#x529E;&#x6CD5;&#x663E;&#x793A;&#x4F4D;&#x7F6E;&#x7684;&#x65B0;&#x65B9;&#x6CD5;&#x8981;&#x6BD4;&#x4EE5;&#x524D;&#x7684;&#x98CE;&#x6247;&#x6A21;&#x578B;&#x66F4;&#x597D;&#x5730;&#x6267;&#x884C;&#x3002;&#x63A5;&#x4E0B;&#x6765;&#xFF0C;&#x6211;&#x4EEC;&#x5BF9;&#x4FC3;&#x8FDB;&#x52A8;&#x6001;&#x7684;&#x611F;&#x89C9;&#x4E0E;&#x8FD0;&#x52A8;&#x795E;&#x7ECF;&#x5143;&#xFF0C;&#x53D1;&#x73B0;&#x8FD0;&#x52A8;&#x795E;&#x7ECF;&#x5143;&#x5229;&#x7528;&#x4FBF;&#x5229;&#x7684;&#x52A8;&#x6001;&#x591A;&#x611F;&#x5B98;&#x7684;&#x795E;&#x7ECF;&#x5143;&#x5229;&#x7528;&#x5DEE;&#x5F02;&#x8FDB;&#x884C;&#x8C03;&#x67E5;&#x3002;&#x8FD9;&#x4E9B;&#x7814;&#x7A76;&#x7ED3;&#x679C;&#x9884;&#x8BA1;&#x5C06;&#x5E2E;&#x52A9;&#x6211;&#x4EEC;&#x66F4;&#x597D;&#x5730;&#x4E86;&#x89E3;&#x5176;&#x4F5C;&#x7528;&#x662F;&#x4FC3;&#x8FDB;&#x52A8;&#x6001;&#x5EF6;&#x8FDF;&#x8865;&#x507F;&#xFF0C;&#x5E76;&#x53EF;&#x80FD;&#x53D1;&#x5C55;&#x6210;&#x9884;&#x6D4B;&#x3001; &#x76EE;&#x6807;&#x5BFC;&#x5411;&#x884C;&#x4E3A;&#x7684;&#x5FC5;&#x8981;&#x6761;&#x4EF6;&#x3002;

&#x4FC3;&#x8FDB;&#x795E;&#x7ECF;&#x52A8;&#x529B;&#x5B66;&#x5EF6;&#x8FDF;&#x8865;&#x507F;&#xFF1A; &#x9884;&#x6D4B;&#x7684;&#x795E;&#x7ECF;&#x52A8;&#x529B;&#x5B66;&#x4E4B;&#x8DEF;&#x5417;&#xFF1F;

Goal-directed behavior is a hallmark of cognition. An important prerequisite to goal-directed behavior is that of prediction. In order to establish a goal and devise a plan, one needs to see into the future and predict possible future events. Our earlier work has suggested that compensation mechanisms for neuronal transmission delay may have led to a preliminary form of prediction. In that work, facilitating neuronal dynamics was found to be effective in overcoming delay (the Facilitating Activation Network model, or FAN). The extrapolative property of the delay compensation mechanism can be considered as prediction for incoming signals (predicting the present based on the past). The previous FAN model turns out to have a limitation especially when longer delay needs to be compensated, which requires higher facilitation rates than FAN's normal range. We derived an improved facilitating dynamics at the neuronal level to overcome this limitation. In this paper, we tested our proposed approach in controllers for 2D pole balancing, where the new approach was shown to perform better than the previous FAN model. Next, we investigated the differential utilization of facilitating dynamics in sensory vs. motor neurons and found that motor neurons utilize the facilitating dynamics more than the sensory neurons. These findings are expected to help us better understand the role of facilitating dynamics in delay compensation, and its potential development into prediction, a necessary condition for goal-directed behavior.

Facilitating neural dynamics for delay compensation: a road to predictive neural dynamics?

Comportement cibl&eacute; est une caract&eacute;ristique de la cognition. Une condition importante au comportement cibl&eacute; est celui de la pr&eacute;diction. Afin de fixer un objectif et concevoir un plan, il faut voir dans l&#39;avenir et de pr&eacute;voir des &eacute;v&eacute;nements futurs possibles. Nos travaux ant&eacute;rieurs a sugg&eacute;r&eacute; que les m&eacute;canismes de compensation pour le retard de transmission neuronale peuvent avoir conduit &agrave; une forme pr&eacute;liminaire de pr&eacute;diction. Dans ce travail, facilitant la dynamique neuronale est av&eacute;r&eacute; efficace pour surmonter le retard (le mod&egrave;le de faciliter l&#39;Activation r&eacute;seau, ou FAN). La propri&eacute;t&eacute; extrapolative du m&eacute;canisme de compensation de retard peut &ecirc;tre consid&eacute;r&eacute;e comme pr&eacute;diction pour signaux entrants (pr&eacute;voir le pr&eacute;sent bas&eacute; sur le pass&eacute;). Le pr&eacute;c&eacute;dent mod&egrave;le de ventilateur s&#39;av&egrave;re une limitation surtout quand le d&eacute;lai plus long doit &ecirc;tre compens&eacute;, qui exige des taux plus &eacute;lev&eacute;s de facilitation de la gamme normale du ventilateur. Nous avons d&eacute;riv&eacute; une dynamique am&eacute;lior&eacute;e facilite au niveau neuronal pour contourner cette limitation. Dans cet article, nous avons test&eacute; notre approche propos&eacute;e dans les contr&ocirc;leurs pour l&#39;&eacute;quilibrage de p&ocirc;le 2D, o&ugrave; la nouvelle approche s&#39;est av&eacute;r&eacute;e fonctionner mieux que le pr&eacute;c&eacute;dent mod&egrave;le de ventilateur. Ensuite, nous avons &eacute;tudi&eacute; l&#39;utilisation diff&eacute;rentielle de faciliter dynamique sensorielle vs les neurones moteurs et a trouv&eacute; que les neurones moteurs utilisent la dynamique facilite plus que les neurones sensoriels. Ces r&eacute;sultats devraient nous aider &agrave; mieux comprendre le r&ocirc;le de faciliter la dynamique en compensation de retard et son potentiel de d&eacute;veloppement en pr&eacute;vision, une condition n&eacute;cessaire pour le comportement cibl&eacute;.

Facilitant les neurones dynamique pour la compensation de retard : une route &agrave; dynamique neurale pr&eacute;dictive ?

Zielgerichtetes Verhalten ist ein Markenzeichen der Kognition. Das ist einer wichtigen Voraussetzung f&uuml;r zielgerichtetes Verhalten der Vorhersage. Um ein Ziel festzulegen und einen Plan zu entwickeln, muss man in die Zukunft sehen und m&ouml;gliche zuk&uuml;nftige Ereignisse vorherzusehen. Unserer fr&uuml;heren Arbeit hat vorgeschlagen, dass Kompensationsmechanismen f&uuml;r neuronale &Uuml;bertragung Verz&ouml;gerung zu einer vorl&auml;ufigen Form der Vorhersage gef&uuml;hrt haben k&ouml;nnen. In diesem Werk wurde Erleichterung neuronaler Dynamik gefunden, wirksam bei Verz&ouml;gerung (Erleichterung der Aktivierung Netzwerkmodell oder FAN) zu &uuml;berwinden. Die extrapolative-Eigenschaft, die Verz&ouml;gerung Ausgleichsmechanismus kann als Vorhersage f&uuml;r eingehende Signale (Vorhersage der Gegenwart auf der Grundlage der Vergangenheit). Das Vorg&auml;ngermodell FAN entpuppt sich eine Einschr&auml;nkung vor allem dann, wenn l&auml;ngere Verz&ouml;gerung entsch&auml;digt werden muss, haben die Erleichterung h&ouml;her als FAN des normalen Bereich erfordert. Wir abgeleitet eine verbesserte Erleichterung Dynamics auf neuronaler Ebene, um diese Einschr&auml;nkung zu umgehen. In diesem Papier testeten wir unsere vorgeschlagene Ansatz in Steuerungen f&uuml;r das 2D Pol ausgleichen, wo das neue Konzept gezeigt wurde, besser als das Vorg&auml;ngermodell FAN durchzuf&uuml;hren. Als n&auml;chstes untersuchten wir die differenzielle Auslastung Dynamik in sensorische vs. Motoneuronen und gefunden, dass Motoneuronen die Erleichterung Dynamik mehr als die sensorischen Neuronen nutzen zu erleichtern. Diese Erkenntnisse sollen helfen, uns besser zu verstehen, die Rolle der Dynamik im Delay Compensation und die m&ouml;gliche Entwicklung in Vorhersage, eine notwendige Voraussetzung f&uuml;r zielgerichtetes Verhalten zu erleichtern.

Neuronaler Dynamik Versp&auml;tung Entsch&auml;digung zu erleichtern: ein Weg zur vorausschauenden neuronaler Dynamik?

Comportamento obiettivo diretto &egrave; un segno distintivo della cognizione. Un presupposto importante per comportamento obiettivo-diretto &egrave; quello di previsione. Al fine di stabilire un obiettivo ed escogitare un piano, uno ha bisogno di vedere nel futuro e prevedere gli eventi futuri possibili. Il nostro lavoro precedente ha suggerito che i meccanismi di compensazione per il ritardo di trasmissione neuronale possono hanno portato a una forma preliminare di previsione. In quel lavoro, facilitando la dinamica neuronale &egrave; stato trovato per essere efficace nel superamento di ritardo (il modello di rete di facilitare l&#39;attivazione, o FAN). La propriet&agrave; extrapolative del meccanismo di compensazione ritardo pu&ograve; essere considerata come previsione per segnali in ingresso (predire il presente basato sul passato). Il precedente modello di ventola gira fuori per avere una limitazione soprattutto quando ritardo pi&ugrave; lungo deve essere compensata, che richiede l&#39;agevolazione oriario normale gamma di ventilatori. Abbiamo derivato una migliorata dinamica facilitare a livello neuronale per superare questa limitazione. In questo libro, abbiamo testato il nostro approccio proposto nel controller per il bilanciamento del Polo 2D, dove il nuovo approccio &egrave; stato indicato per svolgere meglio rispetto al precedente modello di ventilatore. Successivamente, abbiamo studiato l&#39;utilizzo differenziale di favorire dinamiche sensoriali vs motoneuroni e trovato che motoneuroni utilizzano la facilitazione dinamica, pi&ugrave; che i neuroni sensoriali. Questi risultati sono attesi per aiutarci a capire meglio il ruolo di facilitare le dinamiche in delay compensation e il suo potenziale sviluppo in previsione, una condizione necessaria per il comportamento obiettivo-diretto.

Facilitare la dinamica neurale per la compensazione del ritardo: una strada alla dinamica neurale predittiva?

&#x76EE;&#x6A19;&#x6307;&#x5411;&#x884C;&#x52D5;&#x8A8D;&#x77E5;&#x306E;&#x7279;&#x5FB4;&#x3067;&#x3059;&#x3002;&#x4E88;&#x6E2C;&#x306E;&#x76EE;&#x6A19;&#x6307;&#x5411;&#x884C;&#x52D5;&#x306B;&#x91CD;&#x8981;&#x306A;&#x524D;&#x63D0;&#x6761;&#x4EF6;&#x3067;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x76EE;&#x6A19;&#x3092;&#x78BA;&#x7ACB;&#x3057;&#x3001;&#x8A08;&#x753B;&#x3092;&#x7ACB;&#x3066;&#x308B;&#x305F;&#x3081;&#x306B;&#x306F;&#x3001;1 &#x3064;&#x306F;&#x672A;&#x6765;&#x306B;&#x898B;&#x308B;&#x3057;&#x3001;&#x53EF;&#x80FD;&#x306A;&#x5C06;&#x6765;&#x306E;&#x30A4;&#x30D9;&#x30F3;&#x30C8;&#x3092;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x79C1;&#x305F;&#x3061;&#x306E;&#x521D;&#x671F;&#x306E;&#x4F5C;&#x54C1;&#x306F;&#x3001;&#x795E;&#x7D4C;&#x4F1D;&#x9001;&#x9045;&#x5EF6;&#x88DC;&#x511F;&#x6A5F;&#x69CB;&#x4E88;&#x6E2C;&#x306E;&#x4E88;&#x5099;&#x7684;&#x306A;&#x5F62;&#x306B;&#x3064;&#x306A;&#x304C;&#x3063;&#x3066;&#x3044;&#x308B;&#x53EF;&#x80FD;&#x6027;&#x304C;&#x793A;&#x5506;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x305D;&#x306E;&#x4ED5;&#x4E8B;&#x3067;&#x306F;&#x3001;&#x795E;&#x7D4C;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3092;&#x4FC3;&#x9032; &#xFF08;&#x4FC3;&#x9032;&#x6D3B;&#x6027;&#x5316;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF; &#x30E2;&#x30C7;&#x30EB;&#x3001;&#x307E;&#x305F;&#x306F;&#x30D5;&#x30A1;&#x30F3;&#xFF09; &#x306E;&#x9045;&#x5EF6;&#x3092;&#x514B;&#x670D;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x6709;&#x52B9;&#x3067;&#x3042;&#x308B;&#x3053;&#x3068;&#x304C;&#x898B;&#x3064;&#x304B;&#x308A;&#x307E;&#x305B;&#x3093;&#x3067;&#x3057;&#x305F;&#x3002;&#x9045;&#x5EF6;&#x88DC;&#x511F;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x306E;&#x5916;&#x633F;&#x7279;&#x6027;&#x4E88;&#x6E2C; (&#x904E;&#x53BB;&#x306B;&#x57FA;&#x3065;&#x304F;&#x73FE;&#x5728;&#x306E;&#x4E88;&#x6E2C;) &#x7740;&#x4FE1;&#x4FE1;&#x53F7;&#x7528;&#x3068;&#x3057;&#x3066;&#x8003;&#x3048;&#x3089;&#x308C;&#x307E;&#x3059;&#x3002;&#x4EE5;&#x524D;&#x306E;&#x30D5;&#x30A1;&#x30F3; &#x30E2;&#x30C7;&#x30EB; &#x30D5;&#x30A1;&#x30F3;&#x306E;&#x6B63;&#x5E38;&#x7BC4;&#x56F2;&#x3088;&#x308A;&#x9AD8;&#x3044;&#x5186;&#x6ED1;&#x5316;&#x7387;&#x3092;&#x5FC5;&#x8981;&#x3068;&#x3059;&#x308B;&#x7279;&#x306B;&#x9577;&#x3044;&#x9045;&#x5EF6;&#x3092;&#x88DC;&#x511F;&#x3059;&#x308B;&#x306E;&#x306B;&#x306F;&#x3001;&#x5FC5;&#x8981;&#x304C;&#x3042;&#x308B;&#x5834;&#x5408;&#x306F;&#x5236;&#x9650;&#x304C;&#x3042;&#x308B;&#x3053;&#x3068;&#x304C;&#x5224;&#x660E;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6211;&#x3005; &#x3092;&#x6539;&#x826F;&#x4FC3;&#x9032;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3053;&#x306E;&#x5236;&#x9650;&#x3092;&#x514B;&#x670D;&#x3059;&#x308B;&#x795E;&#x7D4C;&#x7D30;&#x80DE;&#x30EC;&#x30D9;&#x30EB;&#x3067;&#x6D3E;&#x751F;&#x3057;&#x307E;&#x3059;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;, &#x4EE5;&#x524D;&#x306E;&#x30D5;&#x30A1;&#x30F3;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x3088;&#x308A;&#x3082;&#x5B9F;&#x884C;&#x3059;&#x308B;&#x65B0;&#x3057;&#x3044;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x304C;&#x793A;&#x3055;&#x308C;&#x305F;, &#x63D0;&#x6848;&#x624B;&#x6CD5;&#x3067;&#x30B3;&#x30F3;&#x30C8; &#x30ED;&#x30FC;&#x30E9;&#x30FC;&#x306E; 2D &#x30DD;&#x30FC;&#x30EB;&#x3092;&#x5206;&#x6563;&#x3092;&#x30C6;&#x30B9;&#x30C8;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6B21;&#x306B;&#x3001;&#x904B;&#x52D5;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3;&#x4FC3;&#x9032;&#x306E;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3088;&#x308A;&#x3082;&#x611F;&#x899A;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3;&#x3092;&#x6D3B;&#x7528;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x611F;&#x899A;&#x904B;&#x52D5;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30F3;&#x5BFE;&#x3068;&#x767A;&#x898B;&#x3092;&#x4FC3;&#x9032;&#x3059;&#x308B;&#x5DEE;&#x5206;&#x306E;&#x4F7F;&#x7528;&#x7387;&#x3092;&#x8ABF;&#x67FB;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x6240;&#x898B;&#x306F;&#x79C1;&#x305F;&#x3061;&#x3088;&#x308A;&#x826F;&#x3044;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x9045;&#x308C;&#x88DC;&#x511F;&#x3068;&#x4E88;&#x6E2C;&#x3001;&#x76EE;&#x6A19;&#x6307;&#x5411;&#x884C;&#x52D5;&#x306E;&#x305F;&#x3081;&#x306E;&#x5FC5;&#x8981;&#x6761;&#x4EF6;&#x3078;&#x306E;&#x6F5C;&#x5728;&#x7684;&#x306A;&#x5C55;&#x958B;&#x3092;&#x4FC3;&#x9032;&#x3059;&#x308B;&#x5F79;&#x5272;&#x3092;&#x7406;&#x89E3;&#x3059;&#x308B;&#x306E;&#x306B;&#x306A;&#x308A;&#x307E;&#x3059;&#x3002;

&#x795E;&#x7D4C;&#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x9045;&#x308C;&#x88DC;&#x511F;&#x306E;&#x305F;&#x3081;&#x306E;&#x4FC3;&#x9032;: &#x4E88;&#x6E2C;&#x30CB;&#x30E5;&#x30FC;&#x30E9;&#x30EB; &#x30C0;&#x30A4;&#x30CA;&#x30DF;&#x30AF;&#x30B9;&#x3078;&#x306E;&#x9053;&#xFF1F;

&#xBAA9;&#xD45C; &#xC9C0;&#xC2DC; &#xB3D9;&#xC791; &#xC778;&#xC2DD;&#xC758; &#xD2B9;&#xC9D5; &#xC774;&#xB2E4;. &#xC608;&#xCE21; &#xBAA9;&#xD45C; &#xC9C0;&#xC2DC; &#xB3D9;&#xC791;&#xC5D0; &#xC911;&#xC694; &#xD55C; &#xC804;&#xC81C; &#xC870;&#xAC74;&#xC774;&#xC785;&#xB2C8;&#xB2E4;. &#xBAA9;&#xD45C;&#xB97C; &#xC124;&#xC815; &#xD558; &#xACE0; &#xACC4;&#xD68D;&#xC744; &#xACE0;&#xC548;, &#xD558;&#xB098;&#xB294; &#xBBF8;&#xB798;&#xB97C; &#xBCFC; &#xD558; &#xACE0; &#xAC00;&#xB2A5;&#xD55C; &#xBBF8;&#xB798;&#xC758; &#xC774;&#xBCA4;&#xD2B8;&#xB97C; &#xC608;&#xCE21;&#xD560; &#xD544;&#xC694;&#xAC00; &#xC788;&#xB2E4;. &#xC6B0;&#xB9AC;&#xC758; &#xC774;&#xC804; &#xC791;&#xD488; &#xC2E0;&#xACBD; &#xC804;&#xC1A1; &#xC9C0;&#xC5F0;&#xC5D0; &#xB300; &#xD55C; &#xBCF4;&#xC0C1; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC740; &#xC608;&#xCE21;&#xC758; &#xC608;&#xBE44; &#xD615;&#xD0DC;&#xB97C; &#xC774;&#xB048; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4; &#xC81C;&#xC548; &#xD588;&#xB2E4;. &#xADF8; &#xC791;&#xD488;&#xC5D0; &#xC2E0;&#xACBD; &#xC5ED;&#xD559;&#xC744; &#xCD09;&#xC9C4; &#xD6A8;&#xACFC;&#xAC00; &#xC9C0;&#xC5F0; (&#xCD09;&#xC9C4; &#xD65C;&#xC131;&#xD654; &#xB124;&#xD2B8;&#xC6CC;&#xD06C; &#xBAA8;&#xB378;, &#xB610;&#xB294; &#xD32C;)&#xC744; &#xADF9;&#xBCF5; &#xD558; &#xACE0; &#xCC3E;&#xC558;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC9C0;&#xC5F0; &#xBCF4;&#xC0C1; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC758; extrapolative &#xC18D;&#xC131;&#xC740; &#xB4E4;&#xC5B4;&#xC624;&#xB294; &#xC2E0;&#xD638; (&#xACFC;&#xAC70;&#xC5D0; &#xB530;&#xB77C; &#xD604;&#xC7AC; &#xC608;&#xCE21;)&#xC5D0; &#xB300; &#xD55C; &#xC608;&#xCE21;&#xC73C;&#xB85C; &#xAC04;&#xC8FC; &#xB420; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774;&#xC804; &#xD32C; &#xBAA8;&#xB378; &#xC81C;&#xD55C;&#xC774; &#xB354; &#xC774;&#xC0C1; &#xC9C0;&#xC5F0; &#xBCF4;&#xC0C1; &#xB420; &#xD544;&#xC694;&#xAC00; &#xC788;&#xC744; &#xB54C; &#xD2B9;&#xD788; &#xD32C;&#xC758; &#xC815;&#xC0C1; &#xBC94;&#xC704; &#xBCF4;&#xB2E4; &#xB192;&#xC740; &#xCD09;&#xC9C4; &#xC18D;&#xB3C4; &#xC694;&#xAD6C; &#xD558;&#xB294; &#xAC83;&#xC73C;&#xB85C; &#xBC1D;&#xD600;&#xC84C;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294;&#xC774; &#xC81C;&#xD55C;&#xC744; &#xD574;&#xACB0; &#xD558;&#xAE30; &#xC704;&#xD574; &#xC2E0;&#xACBD; &#xC218;&#xC900; &#xD5A5;&#xC0C1;&#xB41C; &#xCD09;&#xC9C4; &#xC5ED;&#xD559;&#xC744; &#xD30C;&#xC0DD;. &#xC774; &#xB17C;&#xBB38;&#xC5D0;&#xC11C;&#xB294;, &#xC0C8;&#xB85C;&#xC6B4; &#xC811;&#xADFC; &#xC774;&#xC804; &#xD32C; &#xBAA8;&#xB378; &#xBCF4;&#xB2E4; &#xB354; &#xB098;&#xC740; &#xC2E4;&#xC801;&#xC744; &#xC92C;&#xB358; 2D &#xADF9; &#xBD84;&#xC0B0;&#xC744; &#xC704;&#xD574; &#xCEE8;&#xD2B8;&#xB864;&#xB7EC;&#xC5D0; &#xC6B0;&#xB9AC;&#xC758; &#xC81C;&#xC548;&#xB41C; &#xC811;&#xADFC; &#xD14C;&#xC2A4;&#xD2B8;. &#xB2E4;&#xC74C;&#xC73C;&#xB85C;, &#xC6B0;&#xB9AC;&#xAC00; &#xBAA8;&#xD130; &#xB274;&#xB7F0; &#xD65C;&#xC6A9; &#xCD09;&#xC9C4; &#xC5ED;&#xD559; &#xBCF4;&#xB2E4;&#xB294; &#xB354; &#xB9CE;&#xC740; &#xAC10;&#xAC01; &#xC2E0;&#xACBD; &#xAC10;&#xAC01; &#xC6B4;&#xB3D9; &#xC2E0;&#xACBD; &#xB300;&#xC640; &#xBC1C;&#xACAC;&#xC758; &#xC5ED;&#xD559; &#xCD09;&#xC9C4;&#xC758; &#xCC28;&#xB4F1; &#xC774;&#xC6A9; &#xC870;&#xC0AC;. &#xC774;&#xB7EC;&#xD55C; &#xACB0;&#xACFC; &#xC9C0;&#xC5F0; &#xBCF4;&#xC0C1;&#xACFC; &#xC608;&#xCE21;, &#xBAA9;&#xD45C; &#xC9C0;&#xC2DC; &#xB3D9;&#xC791;&#xC5D0; &#xB300; &#xD55C; &#xD544;&#xC694; &#xC870;&#xAC74;&#xC5D0; &#xADF8;&#xAC83;&#xC758; &#xC7A0;&#xC7AC;&#xB825; &#xAC1C;&#xBC1C;&#xC758; &#xC5ED;&#xD559; &#xCD09;&#xC9C4;&#xC758; &#xC5ED;&#xD560;&#xC744; &#xB354; &#xC798; &#xC774;&#xD574;&#xD560; &#xC218; &#xC788;&#xB3C4;&#xB85D; &#xC608;&#xC0C1; &#xB41C;&#xB2E4;.

&#xC9C0;&#xC5F0; &#xBCF4;&#xC0C1;&#xC5D0; &#xB300; &#xD55C; &#xC2E0;&#xACBD; &#xC5ED;&#xD559; &#xCD09;&#xC9C4;: &#xC608;&#xCE21; &#xC2E0;&#xACBD; &#xC5ED;&#xD559;&#xC5D0;&#xB3C4;?

Comportamiento intencionadas es un sello de cognici&oacute;n. Un prerrequisito importante para intencionadas del comportamiento es la de predicci&oacute;n. Con el fin de establecer una meta y elaborar un plan, necesitamos ver hacia el futuro y predecir los acontecimientos futuros posibles. Nuestro trabajo anterior ha sugerido que los mecanismos de compensaci&oacute;n por retraso de la transmisi&oacute;n neuronal puedan haber llevado a una forma preliminar de predicci&oacute;n. En ese trabajo, facilitando la din&aacute;mica neuronal fue encontrado para ser eficaz para superar el retraso (el modelo de red de activaci&oacute;n facilitar, o ventilador). La propiedad extrapolative del mecanismo de compensaci&oacute;n de retardo puede considerarse como la predicci&oacute;n de las se&ntilde;ales entrantes (prediciendo el presente basado en el pasado). El modelo de ventilador anterior resulta tener una limitaci&oacute;n especialmente cuando demora m&aacute;s tiempo tiene que ser compensado, que requiere de mayores tasas de facilitaci&oacute;n que el rango normal del ventilador. Derivamos una mejor din&aacute;mica facilitadora a nivel neuronal para superar esta limitaci&oacute;n. En este trabajo, hemos probado nuestra propuesta en los controladores para el equilibrio de la poste 2D, donde el nuevo enfoque mostr&oacute; mejor que el anterior modelo de ventilador. A continuaci&oacute;n, investigamos la utilizaci&oacute;n diferencial de facilitar din&aacute;mica sensorial vs las neuronas motoras y encontraron que las neuronas motoras utilizar la facilitaci&oacute;n din&aacute;mica m&aacute;s que las neuronas sensoriales. Se espera que estos resultados nos ayudan a entender mejor el papel de facilitar la din&aacute;mica en la compensaci&oacute;n de retardo y su potencial de desarrollo en la predicci&oacute;n, una condici&oacute;n necesaria para el comportamiento intencionadas.

&iquest;Facilitar la din&aacute;mica neuronal para compensaci&oacute;n de retardo: un camino hacia la din&aacute;mica neuronal predictivo?

Informazioni accurate morfometrici microvascolare hanno implicazioni significative in diversi campi, tra cui la quantificazione dell&#39;angiogenesi nella ricerca sul cancro, comprensione della risposta immunitaria per protesi neurali e predire la natura del flusso di sangue si riferisce alla corsa. Segnaliamo imaging del sistema microvascolare mouse intero cervello a risoluzioni sufficienti per eseguire accurata morfometria. Imaging &egrave; stata eseguita utilizzando il filo del rasoio scansione microscopia (KESM) ed &egrave; il primo esempio di questa tecnica che pu&ograve; essere applicato direttamente alla ricerca clinica. Siamo in grado di raggiungere &asymp; 0.7&mu;m risoluzione lateralmente con 1&mu;m profondit&agrave; risoluzione utilizzando seriale di sezionamento. Nessun allineamento era necessario e contrasto sufficiente a consentire la segmentazione e la misurazione delle navi.

Imaging di trasmissione veloce macro-scala delle reti microvascolare utilizzando KESM.

&#x51C6;&#x786E;&#x7684;&#x5FAE;&#x8840;&#x7BA1;&#x5F62;&#x6001;&#x8BA1;&#x91CF;&#x5B66;&#x4FE1;&#x606F;&#x5728;&#x51E0;&#x4E2A;&#x9886;&#x57DF;&#xFF0C;&#x5305;&#x62EC;&#x5728;&#x764C;&#x75C7;&#x7814;&#x7A76;&#x4E2D;&#x7684;&#x8840;&#x7BA1;&#x751F;&#x6210;&#x7684;&#x5B9A;&#x91CF;&#x3001; &#x7406;&#x89E3;&#x4E3A;&#x795E;&#x7ECF;&#x4FEE;&#x590D;&#x672F;&#x3001; &#x514D;&#x75AB;&#x53CD;&#x5E94;&#x548C;&#x9884;&#x6D4B;&#x8840;&#x6DB2;&#x6D41;&#x52A8;&#x7684;&#x6027;&#x8D28;&#xFF0C;&#x56E0;&#x4E3A;&#x5B83;&#x6D89;&#x53CA;&#x5230;&#x8111;&#x5352;&#x4E2D;&#x5177;&#x6709;&#x91CD;&#x5927;&#x610F;&#x4E49;&#x3002;&#x6211;&#x4EEC;&#x62A5;&#x544A;&#x6210;&#x50CF;&#x7684;&#x5206;&#x8FA8;&#x7387;&#x8DB3;&#x4EE5;&#x6267;&#x884C;&#x51C6;&#x786E;&#x7684;&#x5F62;&#x6001;&#x8BA1;&#x91CF;&#x5B66;&#x7684;&#x6574;&#x4E2A;&#x9F20;&#x6807;&#x5927;&#x8111;&#x5FAE;&#x8840;&#x7BA1;&#x7CFB;&#x7EDF;&#x3002;&#x6210;&#x50CF;&#x6267;&#x884C;&#x4F7F;&#x7528;&#x5200;&#x53E3;&#x626B;&#x63CF;&#x663E;&#x5FAE;&#x955C; (KESM)&#xFF0C;&#x8FD9;&#x79CD;&#x6280;&#x672F;&#x53EF;&#x4EE5;&#x76F4;&#x63A5;&#x5E94;&#x7528;&#x4E8E;&#x4E34;&#x5E8A;&#x7814;&#x7A76;&#x7684;&#x7B2C;&#x4E00;&#x4E2A;&#x793A;&#x4F8B;&#x3002;&#x6211;&#x4EEC;&#x6709;&#x80FD;&#x529B;&#x5B9E;&#x73B0; &asymp; 0.7&mu;m &#x6A2A;&#x5411;&#x4F7F;&#x7528;&#x4E32;&#x884C;&#x5256;&#x5207;&#x7684; 1 &mu; m &#x6DF1;&#x5EA6;&#x51B3;&#x8BAE;&#x4E0E;&#x51B3;&#x8BAE;&#x3002;&#x4E0D;&#x5BF9;&#x9F50;&#x662F;&#x5FC5;&#x8981;&#x548C;&#x5BF9;&#x6BD4;&#x5EA6;&#x8DB3;&#x4EE5;&#x5141;&#x8BB8;&#x5206;&#x5272;&#x548C;&#x6D4B;&#x91CF;&#x7684;&#x8239;&#x53EA;&#x3002;

&#x5FEB;&#x901F;&#x5B8F;&#x89C2;&#x5C3A;&#x5EA6;&#x900F;&#x5C04;&#x6210;&#x50CF;&#x7684;&#x5FAE;&#x8840;&#x7BA1;&#x7F51;&#x7EDC;&#x4F7F;&#x7528; KESM&#x3002;

Accurate microvascular morphometric information has significant implications in several fields, including the quantification of angiogenesis in cancer research, understanding the immune response for neural prosthetics, and predicting the nature of blood flow as it relates to stroke. We report imaging of the whole mouse brain microvascular system at resolutions sufficient to perform accurate morphometry. Imaging was performed using Knife-Edge Scanning Microscopy (KESM) and is the first example of this technique that can be directly applied to clinical research. We are able to achieve â‰ˆ 0.7Î¼m resolution laterally with 1Î¼m depth resolution using serial sectioning. No alignment was necessary and contrast was sufficient to allow segmentation and measurement of vessels.

Fast macro-scale transmission imaging of microvascular networks using KESM.

Informations exactes morphom&eacute;triques microvasculaire a des implications importantes dans plusieurs domaines, y compris la quantification de l&#39;angiogen&egrave;se dans la recherche sur le cancer, compr&eacute;hension de la r&eacute;ponse immunitaire pour les proth&egrave;ses neurales et pr&eacute;dire la nature de la circulation sanguine en ce qui concerne un accident vasculaire c&eacute;r&eacute;bral. Nous rapportons l&#39;imagerie du syst&egrave;me microvasculaire cerveau toute souris &agrave; des r&eacute;solutions suffisantes pour effectuer la morphom&eacute;trie pr&eacute;cis. L&#39;imagerie a &eacute;t&eacute; r&eacute;alis&eacute;e &agrave; l&#39;aide de la lame des couteaux Scanning Microscopy (KESM) et est le premier exemple de cette technique qui peut &ecirc;tre directement appliqu&eacute; &agrave; la recherche clinique. Nous sommes en mesure d&#39;atteindre &asymp; 0.7&mu;m r&eacute;solution lat&eacute;ralement avec une r&eacute;solution de profondeur de 1&micro;m en utilisant la s&eacute;rie de sectionnement. Aucun alignement n&#39;&eacute;tait n&eacute;cessaire et contraste &eacute;tait suffisante pour permettre la segmentation et jaugeage des bateaux.

Imagerie de transmission rapide macro-&eacute;chelle de microvasculaires r&eacute;seaux utilisant KESM.

Genaue mikrovaskul&auml;re morphometrischer Informationen hat gravierende Auswirkungen auf verschiedenen Gebieten, einschlie&szlig;lich der Quantifizierung von Angiogenesis in der Krebsforschung, verstehen die Immunantwort f&uuml;r Neuroprothesen und Vorhersage der Natur des Blutflusses, bez&uuml;glich der Schlaganfall. Wir berichten Bildgebung des Gehirns ganze Maus mikrovaskul&auml;re Systems bei Aufl&ouml;sungen ausreichend genaue Morphometrie durchf&uuml;hren. Imaging wurde mithilfe von Messerschneiden-Scanning-Mikroskopie (KESM) durchgef&uuml;hrt und ist das erste Beispiel dieser Technik, die klinische Forschung direkt angewendet werden k&ouml;nnen. Wir sind in der Lage zu erreichen &asymp; 0.7&mu;m Aufl&ouml;sung seitlich mit 1&mu;m Tiefe Aufl&ouml;sung mit seriellen schneiden. Keine Ausrichtung war notwendig und Kontrast Segmentierung und Messung der Schiffe zu erm&ouml;glichen.

Schnelle Makro-Ma&szlig;stab &Uuml;bertragung Bildgebung mikrovaskul&auml;re Netzwerke mithilfe von KESM.

&#x6B63;&#x78BA;&#x306A;&#x5FAE;&#x5C0F;&#x8840;&#x7BA1;&#x5F62;&#x614B;&#x60C5;&#x5831;&#x304C;&#x3093;&#x7814;&#x7A76;&#x306B;&#x304A;&#x3051;&#x308B;&#x8840;&#x7BA1;&#x65B0;&#x751F;&#x306E;&#x5B9A;&#x91CF;&#x5316;&#x3092;&#x542B;&#x3080;&#x3001;&#x795E;&#x7D4C;&#x88DC;&#x7DB4;&#x306E;&#x514D;&#x75AB;&#x5FDC;&#x7B54;&#x3092;&#x7406;&#x89E3;&#x3057;&#x3001;&#x8133;&#x5352;&#x4E2D;&#x306B;&#x95A2;&#x9023;&#x3059;&#x308B;&#x8840;&#x6D41;&#x306E;&#x6027;&#x8CEA;&#x3092;&#x4E88;&#x6E2C;&#x3044;&#x304F;&#x3064;&#x304B;&#x306E;&#x5206;&#x91CE;&#x3067;&#x5927;&#x304D;&#x306A;&#x5F71;&#x97FF;&#x3092;&#x4E0E;&#x3048;&#x307E;&#x3059;&#x3002;&#x5168;&#x4F53;&#x30DE;&#x30A6;&#x30B9;&#x8133;&#x5FAE;&#x5C0F;&#x8840;&#x7BA1;&#x7CFB;&#x6B63;&#x78BA;&#x306A;&#x8A08;&#x6E2C;&#x3092;&#x5B9F;&#x884C;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x5341;&#x5206;&#x306A;&#x89E3;&#x50CF;&#x5EA6;&#x306E;&#x753B;&#x50CF;&#x3092;&#x5831;&#x544A;&#x3057;&#x307E;&#x3059;&#x3002;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x306F;&#x3001;&#x30CA;&#x30A4;&#x30D5;&#x30A8;&#x30C3;&#x30B8;&#x8D70;&#x67FB;&#x9855;&#x5FAE;&#x93E1; (KESM) &#x3092;&#x7528;&#x3044;&#x3066;&#x884C;&#x3063;&#x305F;&#x3057;&#x3001;&#x81E8;&#x5E8A;&#x7814;&#x7A76;&#x306B;&#x76F4;&#x63A5;&#x9069;&#x7528;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3053;&#x306E;&#x30C6;&#x30AF;&#x30CB;&#x30C3;&#x30AF;&#x306E;&#x6700;&#x521D;&#x306E;&#x4F8B;&#x3067;&#x3059;&#x3002;&#x6211;&#x3005; &#x306F; &asymp; 0.7&mu;m &#x3092;&#x9054;&#x6210;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3067;&#x30B7;&#x30EA;&#x30A2;&#x30EB;&#x30BB;&#x30AF;&#x30B7;&#x30E7;&#x30CB;&#x30F3;&#x30B0;&#x306B;&#x3088;&#x308B;&#x6A2A;&#x65B9;&#x5411; 1 &mu; m &#x306E;&#x6DF1;&#x3055;&#x5206;&#x89E3;&#x80FD;&#x3002;&#x30A2;&#x30E9;&#x30A4;&#x30E1;&#x30F3;&#x30C8;&#x306F;&#x5FC5;&#x8981;&#x306A;&#x304B;&#x3063;&#x305F;&#x3057;&#x3001;&#x30B3;&#x30F3;&#x30C8;&#x30E9;&#x30B9;&#x30C8;&#x304C;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x8840;&#x7BA1;&#x306E;&#x6E2C;&#x5B9A;&#x3092;&#x8A31;&#x53EF;&#x3059;&#x308B;&#x306E;&#x306B;&#x5341;&#x5206;&#x3060;&#x3063;&#x305F;&#x3002;

&#x9AD8;&#x901F;&#x30DE;&#x30AF;&#x30ED; &#x30B9;&#x30B1;&#x30FC;&#x30EB; KESM &#x3092;&#x7528;&#x3044;&#x305F;&#x5FAE;&#x5C0F;&#x8840;&#x7BA1;&#x306E;&#x30CD;&#x30C3;&#x30C8;&#x30EF;&#x30FC;&#x30AF;&#x3067;&#x4F1D;&#x9001;&#x753B;&#x50CF;&#x3002;

&#xC815;&#xD655;&#xD55C; microvascular &#xD615;&#xD0DC;&#xD559; &#xC815;&#xBCF4; &#xBD84;&#xC57C;, &#xC554; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xC2E0;&#xC0DD;&#xC758; &#xC815;&#xB7C9;&#xD654;&#xB97C; &#xD3EC;&#xD568; &#xD55C; &#xC2E0;&#xACBD; &#xBCF4; &#xCCA0;&#xC5D0; &#xB300; &#xD55C; &#xBA74;&#xC5ED; &#xBC18;&#xC751;&#xC744; &#xC774;&#xD574; &#xD558; &#xACE0; &#xB1CC;&#xC878;&#xC911;&#xC5D0; &#xAD00;&#xD55C; &#xD608;&#xC561; &#xD750;&#xB984;&#xC758; &#xD2B9;&#xC131;&#xC744; &#xC608;&#xCE21;&#xC5D0;&#xC11C; &#xC911;&#xC694; &#xD55C; &#xC758;&#xBBF8;&#xB97C; &#xAC16;&#xB294;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC815;&#xD655;&#xD55C; morphometry&#xB97C; &#xC218;&#xD589; &#xD558;&#xAE30;&#xC5D0; &#xCDA9;&#xBD84; &#xD55C; &#xD574;&#xC0C1;&#xB3C4;&#xC5D0;&#xC11C; &#xC804;&#xCCB4; &#xB9C8;&#xC6B0;&#xC2A4; &#xB1CC; microvascular &#xC2DC;&#xC2A4;&#xD15C;&#xC758; &#xC601;&#xC0C1; &#xBCF4;&#xACE0;. &#xC774;&#xBBF8;&#xC9D5; Knife-Edge &#xC2A4;&#xCE90;&#xB2DD; &#xD604;&#xBBF8;&#xACBD; &#xAC80;&#xC0AC; &#xBC95; (KESM)&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC218;&#xD589; &#xD558; &#xACE0; &#xC9C1;&#xC811; &#xC784;&#xC0C1; &#xC5F0;&#xAD6C;&#xC5D0; &#xC801;&#xC6A9; &#xB420; &#xC218; &#xC788;&#xB294;&#xC774; &#xAE30;&#xC220;&#xC758; &#xCCAB; &#xBC88;&#xC9F8; &#xC608;&#xB294;. &asymp; 0.7&mu;m &#xB2EC;&#xC131; &#xC218; &#xC9C1;&#xB82C; &#xB2E8;&#xBA74;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; 1&mu;m &#xAE4A;&#xC774; &#xD574;&#xC0C1;&#xB3C4;&#xC640; &#xC218;&#xD3C9; &#xD574;&#xC0C1;&#xB3C4;. &#xC544;&#xB2C8; &#xB9DE;&#xCDA4; &#xD544;&#xC694; &#xD588; &#xACE0; &#xB300;&#xBE44; &#xC138;&#xBD84;&#xD654; &#xBC0F; &#xD608;&#xAD00;&#xC758; &#xCE21;&#xC815;&#xC744; &#xD5C8;&#xC6A9; &#xD558;&#xAE30;&#xC5D0; &#xCDA9;&#xBD84; &#xD588;&#xB2E4;.

&#xBE60;&#xB978; &#xB9E4;&#xD06C;&#xB85C; &#xC2A4;&#xCF00;&#xC77C; KESM&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; microvascular &#xB124;&#xD2B8;&#xC6CC;&#xD06C;&#xC758; &#xC804;&#xC1A1; &#xC601;&#xC0C1;.

Informaci&oacute;n morfom&eacute;trica microvascular exacta tiene importantes repercusiones en varios campos, incluyendo la cuantificaci&oacute;n de la angiog&eacute;nesis en cancer research, comprendiendo la respuesta inmune para pr&oacute;tesis neuronales y predecir la naturaleza del flujo sangu&iacute;neo, lo que se refiere al movimiento. Divulgamos la proyecci&oacute;n de imagen del sistema microvascular rat&oacute;n todo cerebro en resoluci&oacute;n suficiente para llevar a cabo la morfometr&iacute;a precisa. La proyecci&oacute;n de imagen se realiz&oacute; mediante microscop&iacute;a de escaneo de filo (KESM) y es el primer ejemplo de esta t&eacute;cnica que puede ser aplicada directamente a la investigaci&oacute;n cl&iacute;nica. Somos capaces de lograr &asymp; 0.7&mu;m resoluci&oacute;n lateralmente con 1&mu;m resoluci&oacute;n de profundidad utilizando el seccionamiento serial. No alineaci&oacute;n era necesaria y contraste era suficiente para permitir la segmentaci&oacute;n y medici&oacute;n de los buques.

Proyecci&oacute;n de imagen de transmisi&oacute;n r&aacute;pida macro escala de redes microvasculares usando KESM.

Connectomics &#x662F;&#x5927;&#x8111;&#x7684;&#x5B8C;&#x6574;&#x7684;&#x8FDE;&#x63A5;&#x77E9;&#x9635;&#x7684;&#x7814;&#x7A76;&#x3002;&#x5728;&#x9AD8;&#x541E;&#x5410;&#x91CF;&#x7684;&#x6700;&#x65B0;&#x8FDB;&#x5C55;&#xFF0C;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#x7684; 3D &#x663E;&#x5FAE;&#x955C;&#x65B9;&#x6CD5;&#x5DF2;&#x542F;&#x7528;&#x4E9A;&#x5FAE;&#x7C73;&#x5206;&#x8FA8;&#x7387;&#xFF0C;&#x53EF;&#x80FD;&#x4F1A;&#x6253;&#x5F00;&#x901A;&#x5F80;&#x5168;&#x9762;&#x7206;&#x53D1; connectomics &#x7814;&#x7A76;&#x7684;&#x6574;&#x4E2A;&#x5C0F;&#x52A8;&#x7269;&#x5927;&#x8111;&#x7684;&#x6210;&#x50CF;&#x3002;&#x5176;&#x4E2D;&#x7684;&#x7B2C;&#x4E00;&#x6B21;&#x8FD9;&#x79CD;&#x5DE5;&#x5177;&#x6765;&#x5B9E;&#x73B0;&#x6574;&#x4E2A;&#x5927;&#x8111;&#x7EA7;&#x6210;&#x50CF;&#x5728;&#x4E9A;&#x5FAE;&#x7C73;&#x5206;&#x8FA8;&#x7387;&#x662F;&#x5200;&#x53E3;&#x626B;&#x63CF;&#x663E;&#x5FAE;&#x955C; (KESM)&#x3002;KESM &#x5168;&#x8111;&#x6570;&#x636E;&#x96C6;&#x73B0;&#x5728;&#x5305;&#x62EC;&#x9AD8;&#x5C14;&#x57FA; &#xFF08;&#x795E;&#x7ECF;&#x5143;&#x7535;&#x8DEF;&#xFF09;&#x3001; &#x6C0F;&#x5C0F;&#x4F53; (&#x7D22;&#x739B;&#x5206;&#x914D;)&#x3001; &#x548C;&#x5370;&#x5EA6;&#x58A8; (&#x8840;&#x7BA1;&#x7F51;&#x7EDC;)&#x3002;KESM &#x6570;&#x636E;&#x53EF;&#x5927;&#x5927;&#x6709;&#x52A9;&#x4E8E; connectomics &#x7684;&#x7814;&#x7A76;&#xFF0C;&#x56E0;&#x4E3A;&#x4ED6;&#x4EEC;&#x8F83;&#x4F4E;&#x7684;&#x5206;&#x8FA8;&#x7387;&#x3001; &#x5927;&#x5377;&#x6210;&#x50CF;&#x65B9;&#x6CD5; &#xFF08;&#x5982;&#x6269;&#x6563;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#xFF09; &#x548C;&#x66F4;&#x9AD8;&#x7684;&#x5206;&#x8FA8;&#x7387;&#xFF0C;&#x4F53;&#x79EF;&#x5C0F;&#x65B9;&#x6CD5; &#xFF08;&#x4F8B;&#x5982;&#xFF0C;&#x4E32;&#x884C;&#x5256;&#x5207;&#x955C;) &#x4E4B;&#x95F4;&#x7684;&#x5DEE;&#x8DDD;&#x3002;&#x6B64;&#x5916;&#xFF0C;KESM &#x6570;&#x636E;&#x662F;&#x7531;&#x5176;&#x6027;&#x8D28;&#x591A;&#x5C3A;&#x5EA6;&#x3001; &#x4ECE;&#x4E9A;&#x7EC6;&#x80DE;&#x5230;&#x6574;&#x4E2A;&#x5668;&#x5B98;&#x89C4;&#x6A21;&#x3002;&#x56E0;&#x6B64;&#xFF0C;&#x53EF;&#x89C6;&#x5316;&#x4EC5;&#x4EC5;&#x662F;&#x4E00;&#x4E2A;&#x5DE8;&#x5927;&#x7684;&#x6311;&#x6218;&#x4E4B;&#x524D;&#x6211;&#x4EEC;&#x751A;&#x81F3;&#x5F00;&#x59CB;&#x62C5;&#x5FC3;&#x5B9A;&#x91CF;&#x8FDE;&#x901A;&#x6027;&#x5206;&#x6790;&#x3002;&#x82E5;&#x8981;&#x89E3;&#x51B3;&#x6B64;&#x95EE;&#x9898;&#xFF0C;&#x6211;&#x4EEC;&#x5236;&#x5B9A;&#x9AD8;&#x6548;&#x7684;&#x53EF;&#x89C6;&#x5316;&#x548C;&#x5206;&#x6790;&#x591A;&#x5C3A;&#x5EA6; KESM &#x6570;&#x636E;&#x96C6;&#x57FA;&#x4E8E; web &#x7684;&#x795E;&#x7ECF;&#x4FE1;&#x606F;&#x5B66;&#x6846;&#x67B6;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x5C06;&#x9996;&#x5148;&#x63D0;&#x4F9B;&#x6982;&#x8FF0; KESM&#xFF0C;&#x7136;&#x540E;&#x8BE6;&#x7EC6;&#x8BA8;&#x8BBA; KESM &#x6570;&#x636E;&#x96C6;&#x548C;&#x57FA;&#x4E8E; web &#x7684;&#x795E;&#x7ECF;&#x4FE1;&#x606F;&#x5B66;&#x6846;&#x67B6;&#xFF0C;&#x79F0;&#x4E3A; KESM &#x8111;&#x56FE;&#x8C31; (KESMBA)&#x3002;&#x6700;&#x540E;&#xFF0C;&#x6211;&#x4EEC;&#x5C06;&#x8BA8;&#x8BBA;&#x4E0E;&#x7814;&#x7A76; connectomics&#x3001; KESMBA &#x7684;&#x76F8;&#x5173;&#x6027;&#x548C;&#x786E;&#x5B9A;&#x7684;&#x6311;&#x6218;&#x548C;&#x672A;&#x6765;&#x65B9;&#x5411;&#x3002;

&#x4F7F;&#x7528;&#x5200;&#x53E3;&#x626B;&#x63CF;&#x663E;&#x5FAE;&#x955C;&#x8111;&#x56FE;&#x8C31;&#x7684;&#x9F20;&#x6807;&#x5927;&#x8111;&#x5FAE;&#x89C2;&#x7ED3;&#x6784;&#x7684;&#x591A;&#x5C3A;&#x5EA6;&#x52D8;&#x63A2;&#x3002;

Connectomics is the study of the full connection matrix of the brain. Recent advances in high-throughput, high-resolution 3D microscopy methods have enabled the imaging of whole small animal brains at a sub-micrometer resolution, potentially opening the road to full-blown connectomics research. One of the first such instruments to achieve whole-brain-scale imaging at sub-micrometer resolution is the Knife-Edge Scanning Microscope (KESM). KESM whole-brain data sets now include Golgi (neuronal circuits), Nissl (soma distribution), and India ink (vascular networks). KESM data can contribute greatly to connectomics research, since they fill the gap between lower resolution, large volume imaging methods (such as diffusion MRI) and higher resolution, small volume methods (e.g., serial sectioning electron microscopy). Furthermore, KESM data are by their nature multiscale, ranging from the subcellular to the whole organ scale. Due to this, visualization alone is a huge challenge, before we even start worrying about quantitative connectivity analysis. To solve this issue, we developed a web-based neuroinformatics framework for efficient visualization and analysis of the multiscale KESM data sets. In this paper, we will first provide an overview of KESM, then discuss in detail the KESM data sets and the web-based neuroinformatics framework, which is called the KESM brain atlas (KESMBA). Finally, we will discuss the relevance of the KESMBA to connectomics research, and identify challenges and future directions.

Multiscale exploration of mouse brain microstructures using the knife-edge scanning microscope brain atlas.

Connectomics est l&#x26;#39;&#xE9;tude de la matrice de connexion compl&#xE8;te du cerveau. Les progr&#xE8;s r&#xE9;cents dans haut d&#xE9;bit et &#xE0; haute r&#xE9;solution des m&#xE9;thodes de microscopie 3D ont permis &#xE0; l&#x26;#39;imagerie des petits animaux entiers cerveaux &#xE0; une r&#xE9;solution sub-microm&#xE9;trique, ce qui pourrait ouvrir la voie &#xE0; part enti&#xE8;re de la recherche connectomics. Un des premiers instruments pour atteindre ces tout-enc&#xE9;phalique de l&#x26;#39;imagerie &#xE0; r&#xE9;solution sub-microm&#xE9;trique est le microscope &#xE0; balayage en lame de couteau (KESM). KESM ensemble du cerveau des ensembles de donn&#xE9;es comprennent maintenant de Golgi (circuits neuronaux), Nissl (distribution soma), et encre de Chine (r&#xE9;seaux vasculaires). Donn&#xE9;es KESM peuvent contribuer grandement &#xE0; la recherche connectomics, car ils combler l&#x26;#39;&#xE9;cart entre une r&#xE9;solution inf&#xE9;rieure, grandes m&#xE9;thodes d&#x26;#39;imagerie de volume (comme l&#x26;#39;IRM de diffusion) et une r&#xE9;solution plus &#xE9;lev&#xE9;e, des m&#xE9;thodes de faible volume (par exemple, microscopie &#xE9;lectronique de s&#xE9;rie de sectionnement). En outre, les donn&#xE9;es sont KESM par leur nature multi-&#xE9;chelles, allant de la subcellulaire &#xE0; l&#x26;#39;&#xE9;chelle organe entier. Pour cette raison, la visualisation seul est un &#xE9;norme d&#xE9;fi, avant m&#xEA;me que nous commencer &#xE0; s&#x26;#39;inqui&#xE9;ter de l&#x26;#39;analyse quantitative de connectivit&#xE9;. Pour r&#xE9;soudre ce probl&#xE8;me, nous avons d&#xE9;velopp&#xE9; un cadre bas&#xE9; sur le Web pour la visualisation neuroinformatique et une analyse efficaces des ensembles multi-&#xE9;chelles des donn&#xE9;es KESM. Dans cet article, nous allons d&#x26;#39;abord donner un aper&#xE7;u de KESM, puis de discuter en d&#xE9;tail les ensembles de donn&#xE9;es KESM et le Web neuro-cadre, qui est appel&#xE9; le cerveau KESM atlas (KESMBA). Enfin, nous allons discuter de la pertinence de la KESMBA &#xE0; connectomics la recherche, et d&#x26;#39;identifier les d&#xE9;fis et les orientations futures.

Exploration multi-&#xE9;chelle de cerveau de souris Microstructures Utilisation de la lame de couteau microscope &#xE0; balayage du cerveau Atlas

Connectomics ist die Studie der vollst&auml;ndige Verbindung Matrix des Gehirns. J&uuml;ngsten Fortschritte in hohem Durchsatz, hochaufl&ouml;sende 3D Mikroskopie-Methoden die Bildgebung von ganz kleinen tierischen Gehirnen mit Sub-micrometer Aufl&ouml;sung, potenziell &ouml;ffnen den Weg zum ausgewachsenen Connectomics Forschung aktiviert haben. Einer der ersten solcher Instrumente ganz-Gehirn-Ma&szlig;stab Bildgebung bei Sub-micrometer Aufl&ouml;sung zu erreichen ist die Messerschneiden-Scanning-Mikroskop (KESM). KESM ganze-Gehirn-Datens&auml;tze enthalten jetzt Golgi (neuronale Schaltkreise), Nissl (Soma-Verteilung) und Tusche (vaskul&auml;re Netze). KESM Daten k&ouml;nnen erheblich zur Connectomics Forschung, beitragen, da sie die L&uuml;cke zwischen niedrigere Aufl&ouml;sung, gro&szlig;volumige bildgebenden Verfahren (z. B. Diffusion MRI) und h&ouml;here Aufl&ouml;sung, kleinvolumigen Methoden (z. B. serielle Schneide-Elektronenmikroskopie). Dar&uuml;ber hinaus sind KESM Daten durch ihre Natur Multiscale, von der subzellul&auml;ren bis hin zu der gesamten Orgel-Skala. Aus diesem Grund ist die Visualisierung allein eine gro&szlig;e Herausforderung, bevor wir selbst sorgen &uuml;ber quantitative Konnektivit&auml;t Analyse. Um dieses Problem zu l&ouml;sen, haben wir einen webbasierten Neuroinformatik Rahmen f&uuml;r effiziente Visualisierung und Analyse der Multiskalen KESM Datens&auml;tze entwickelt. In diesem Papier werden wir zuerst geben einen &Uuml;berblick &uuml;ber KESM dann im Detail zu diskutieren, die KESM-Datens&auml;tze und die webbasierte Neuroinformatik-Framework, das den KESM Gehirn-Atlas (KESMBA) aufgerufen wird. Schlie&szlig;lich wird die Relevanz der die KESMBA f&uuml;r Connectomics Forschung zu diskutieren, und Herausforderungen und Zukunftsperspektiven zu identifizieren.

Multiskalen Erforschung der Maus Gehirn Mikrostrukturen mit den Messerschneiden Scan Mikroskop-Gehirn-Atlas.

Connectomics &egrave; lo studio della matrice completa connessione del cervello. Recenti progressi in high-throughput, metodi di microscopia 3D ad alta risoluzione hanno permesso l&#39;imaging del cervello animale intero piccolo a una risoluzione Composante, potenzialmente aprendo la strada alla ricerca vera e propria connectomics. Uno del primo tali strumenti per ottenere imaging del intero-cervello-scala a risoluzione Composante &egrave; il filo del rasoio scansione microscopio (KESM). Set di dati del intero-cervello KESM ora includono Golgi (circuiti neuronali), Nissl (distribuzione soma) e inchiostro di India (reti vascolari). Dati KESM possono contribuire notevolmente alla ricerca connectomics, poich&eacute; essi colmare il divario tra la bassa risoluzione, grande volume imaging metodi (ad esempio diffusione MRI) e risoluzione superiore, metodi di piccolo volume (ad esempio, seriale sezionamento microscopia elettronica). Inoltre, i dati KESM sono da loro multiscale natura, che vanno dalla sottocellulari a scala dell&#39;intero organo. A causa di questo, visualizzazione da solo &egrave; una sfida enorme, prima di iniziare anche preoccuparsi di analisi quantitativa di connettivit&agrave;. Per risolvere questo problema, abbiamo sviluppato un quadro neuroinformatics web-based per l&#39;efficiente visualizzazione ed analisi dei set di dati KESM multiscala. In questo libro, ci sar&agrave; prima forniscono una panoramica del KESM, poi discutere in dettaglio il set di dati KESM e il quadro neuroinformatics web-based, che &egrave; chiamato l&#39;Atlante del cervello KESM (KESMBA). Infine, ci sar&agrave; discutere la rilevanza della KESMBA per connectomics ricerca e identificare le sfide e direzioni future.

Esplorazione multiscala di microstrutture cervello del mouse utilizzando l&#39;Atlante di cervello microscopio scansione filo del rasoio.

Connectomics&#x306F;&#x3001;&#x8133;&#x306E;&#x5B8C;&#x5168;&#x306A;&#x63A5;&#x7D9A;&#x30DE;&#x30C8;&#x30EA;&#x30C3;&#x30AF;&#x30B9;&#x306E;&#x7814;&#x7A76;&#x3067;&#x3042;&#x308B;&#x3002;&#x9AD8;&#x30B9;&#x30EB;&#x30FC;&#x30D7;&#x30C3;&#x30C8;&#x3001;&#x9AD8;&#x89E3;&#x50CF;&#x5EA6;&#x306E;3D&#x9855;&#x5FAE;&#x93E1;&#x6CD5;&#x306B;&#x304A;&#x3051;&#x308B;&#x6700;&#x8FD1;&#x306E;&#x9032;&#x6B69;&#x306F;&#x3001;&#x6F5C;&#x5728;&#x7684;&#x306B;&#x672C;&#x683C;&#x7684;&#x306A;connectomics&#x7814;&#x7A76;&#x3078;&#x306E;&#x9053;&#x3092;&#x958B;&#x3044;&#x3066;&#x3001;&#x30B5;&#x30D6;&#x30DF;&#x30AF;&#x30ED;&#x30F3;&#x306E;&#x89E3;&#x50CF;&#x5EA6;&#x3067;&#x5168;&#x4F53;&#x306E;&#x5C0F;&#x3055;&#x306A;&#x52D5;&#x7269;&#x306E;&#x8133;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x3092;&#x6709;&#x52B9;&#x306B;&#x3057;&#x3066;&#x3044;&#x308B;&#x3002;&#x30B5;&#x30D6;&#x30DF;&#x30AF;&#x30ED;&#x30F3;&#x306E;&#x89E3;&#x50CF;&#x5EA6;&#x3067;&#x5168;&#x8133;&#x898F;&#x6A21;&#x306A;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x3092;&#x5B9F;&#x73FE;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x6700;&#x521D;&#x306E;&#x305D;&#x306E;&#x3088;&#x3046;&#x306A;&#x697D;&#x5668;&#x306E;&#x4E00;&#x3064;&#x306F;&#x3001;&#x30CA;&#x30A4;&#x30D5;&#x30A8;&#x30C3;&#x30B8;&#x30B9;&#x30AD;&#x30E3;&#x30F3;&#x9855;&#x5FAE;&#x93E1;&#xFF08;KESM&#xFF09;&#x3067;&#x3059;&#x3002; KESM&#x5168;&#x8133;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x306F;&#x3001;&#x30B4;&#x30EB;&#x30B8;&#x4F53;&#xFF08;&#x795E;&#x7D4C;&#x56DE;&#x8DEF;&#xFF09;&#x3001;&#x30CB;&#x30C3;&#x30B9;&#x30EB;&#xFF08;SOMA&#x5206;&#x5E03;&#xFF09;&#x3001;&#x30A4;&#x30F3;&#x30C9;&#x30A4;&#x30F3;&#x30AF;&#xFF08;&#x8840;&#x7BA1;&#x7DB2;&#xFF09;&#x304C;&#x542B;&#x307E;&#x308C;&#x3001;&#x73FE;&#x5728;&#x8A2D;&#x5B9A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x5F7C;&#x3089;&#x306F;&#x3088;&#x308A;&#x4F4E;&#x3044;&#x89E3;&#x50CF;&#x5EA6;&#x3001;&#x5927;&#x5BB9;&#x91CF;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x6CD5;&#xFF08;&#x4F8B;&#x3048;&#x3070;&#x3001;&#x62E1;&#x6563;MRI&#x306A;&#x3069;&#xFF09;&#x3084;&#x3001;&#x9AD8;&#x89E3;&#x50CF;&#x5EA6;&#x3001;&#x5C11;&#x91CF;&#x306E;&#x65B9;&#x6CD5;&#xFF08;&#x4F8B;&#x3048;&#x3070;&#x3001;&#x30B7;&#x30EA;&#x30A2;&#x30EB;&#x30BB;&#x30AF;&#x30B7;&#x30E7;&#x30CB;&#x30F3;&#x30B0;&#x96FB;&#x5B50;&#x9855;&#x5FAE;&#x93E1;&#xFF09;&#x306E;&#x9593;&#x306E;&#x30AE;&#x30E3;&#x30C3;&#x30D7;&#x3092;&#x57CB;&#x3081;&#x308B;&#x305F;&#x3081;&#x3001;KESM&#x30C7;&#x30FC;&#x30BF;&#x306F;&#x3001;connectomics&#x7814;&#x7A76;&#x306B;&#x5927;&#x304D;&#x304F;&#x8CA2;&#x732E;&#x3059;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x307E;&#x3059;&#x3002;&#x3055;&#x3089;&#x306B;&#x3001;KESM&#x30C7;&#x30FC;&#x30BF;&#x306F;&#x3001;&#x7D30;&#x80DE;&#x5185;&#x304B;&#x3089;&#x306E;&#x81D3;&#x5668;&#x5168;&#x4F53;&#x306E;&#x30B9;&#x30B1;&#x30FC;&#x30EB;&#x306B;&#x81F3;&#x308B;&#x307E;&#x3067;&#x3001;&#x305D;&#x306E;&#x6027;&#x8CEA;&#x306E;&#x30DE;&#x30EB;&#x30C1;&#x30B9;&#x30B1;&#x30FC;&#x30EB;&#x306B;&#x3088;&#x308B;&#x3082;&#x306E;&#x3067;&#x3042;&#x308B;&#x3002;&#x79C1;&#x305F;&#x3061;&#x3082;&#x3001;&#x5B9A;&#x91CF;&#x7684;&#x306A;&#x63A5;&#x7D9A;&#x5206;&#x6790;&#x306E;&#x5FC3;&#x914D;&#x3092;&#x958B;&#x59CB;&#x3059;&#x308B;&#x524D;&#x306B;&#x3001;&#x3053;&#x306E;&#x305F;&#x3081;&#x3001;&#x5358;&#x72EC;&#x3067;&#x53EF;&#x8996;&#x5316;&#x306F;&#x3001;&#x5927;&#x304D;&#x306A;&#x8AB2;&#x984C;&#x3068;&#x306A;&#x3063;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x554F;&#x984C;&#x3092;&#x89E3;&#x6C7A;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x3001;&#x6211;&#x3005;&#x306F;&#x30DE;&#x30EB;&#x30C1;&#x30B9;&#x30B1;&#x30FC;&#x30EB;KESM&#x30C7;&#x30FC;&#x30BF;&#xB7;&#x30BB;&#x30C3;&#x30C8;&#x306E;&#x52B9;&#x7387;&#x7684;&#x306A;&#x53EF;&#x8996;&#x5316;&#x3068;&#x5206;&#x6790;&#x306E;&#x305F;&#x3081;&#x306E;Web&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30A4;&#x30F3;&#x30D5;&#x30A9;&#x30DE;&#x30C6;&#x30A3;&#x30AF;&#x30B9;&#x306E;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x672C;&#x7A3F;&#x3067;&#x306F;&#x3001;&#x307E;&#x305A;KESM&#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8;&#x3068;KESM&#x8133;&#x30A2;&#x30C8;&#x30E9;&#x30B9;&#xFF08;KESMBA&#xFF09;&#x3068;&#x547C;&#x3070;&#x308C;&#x308B;Web&#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30CB;&#x30E5;&#x30FC;&#x30ED;&#x30A4;&#x30F3;&#x30D5;&#x30A9;&#x30DE;&#x30C6;&#x30A3;&#x30AF;&#x30B9;&#x30D5;&#x30EC;&#x30FC;&#x30E0;&#x30EF;&#x30FC;&#x30AF;&#x306F;&#x3001;&#x8A73;&#x7D30;&#x306B;&#x8B70;&#x8AD6;&#x3057;&#x3001;KESM&#x306E;&#x6982;&#x8981;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x6700;&#x5F8C;&#x306B;&#x3001;&#x6211;&#x3005;&#x306F;connectomics&#x7814;&#x7A76;&#x306B;KESMBA&#x306E;&#x59A5;&#x5F53;&#x6027;&#x3092;&#x8B70;&#x8AD6;&#x3057;&#x3001;&#x8AB2;&#x984C;&#x3068;&#x4ECA;&#x5F8C;&#x306E;&#x65B9;&#x5411;&#x6027;&#x3092;&#x8B58;&#x5225;&#x3057;&#x307E;&#x3059;&#x3002;

&#x30DE;&#x30A6;&#x30B9;&#x306E;&#x8133;&#x306E;&#x30DE;&#x30EB;&#x30C1;&#x30B9;&#x30B1;&#x30FC;&#x30EB;&#x63A2;&#x67FB;&#x30CA;&#x30A4;&#x30D5;&#x30A8;&#x30C3;&#x30B8;&#x8D70;&#x67FB;&#x578B;&#x9855;&#x5FAE;&#x93E1;&#x306E;&#x8133;&#x30A2;&#x30C8;&#x30E9;&#x30B9;&#x3092;&#x7528;&#x3044;&#x305F;&#x5FAE;&#x7D30;&#x69CB;&#x9020;

Connectomics &#xB1CC;&#xC758; &#xC804;&#xCCB4; &#xC5F0;&#xACB0; &#xB9E4;&#xD2B8;&#xB9AD;&#xC2A4;&#xC758; &#xC5F0;&#xAD6C; &#xC774;&#xB2E4;. &#xB192;&#xC740; &#xCC98;&#xB9AC;&#xB7C9;&#xC758; &#xCD5C;&#xADFC; &#xBC1C;&#xC804; &#xACE0;&#xD574;&#xC0C1;&#xB3C4; 3 &#xCC28;&#xC6D0; &#xD604;&#xBBF8;&#xACBD; &#xBC29;&#xBC95; &#xC7A0;&#xC7AC;&#xC801;&#xC73C;&#xB85C; &#xC5F4;&#xC5B4; &#xBCF8;&#xACA9;&#xC801;&#xC778; connectomics &#xC5F0;&#xAD6C;&#xB97C;&#xB3C4; sub-micrometer &#xD574;&#xC0C1;&#xB3C4;&#xC5D0;&#xC11C; &#xC804;&#xCCB4; &#xC791;&#xC740; &#xB3D9;&#xBB3C; &#xB450;&#xB1CC; &#xC774;&#xBBF8;&#xC9D5;&#xC744; &#xC124;&#xC815;&#xD55C; &#xD569;&#xB2C8;&#xB2E4;. &#xD55C; &#xCD5C;&#xCD08;&#xC758; sub-micrometer &#xD574;&#xC0C1;&#xB3C4;&#xC5D0;&#xC11C; &#xC804;&#xCCB4; &#xB1CC; &#xC2A4;&#xCF00;&#xC77C; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xB2EC;&#xC131; &#xD558;&#xAE30; &#xC704;&#xD574; &#xAC19;&#xC740; &#xACC4;&#xCE21;&#xAE30; Knife-Edge &#xAC80;&#xC0AC; &#xD604;&#xBBF8;&#xACBD; (KESM) &#xC774;&#xB2E4;. KESM &#xBAA8;&#xB4E0; &#xB450;&#xB1CC; &#xB370;&#xC774;&#xD130; &#xC138;&#xD2B8;&#xB294; &#xC9C0;&#xAE08; Golgi (&#xC2E0;&#xACBD; &#xD68C;&#xB85C;), Nissl (&#xC18C;&#xB9C8; &#xC720;&#xD1B5;), &#xADF8;&#xB9AC;&#xACE0; &#xC778;&#xB3C4; &#xC789;&#xD06C; (&#xD608;&#xAD00; &#xB124;&#xD2B8;&#xC6CC;&#xD06C;)&#xB97C; &#xD3EC;&#xD568; &#xD55C;&#xB2E4;. KESM &#xB370;&#xC774;&#xD130;&#xB294; &#xC774;&#xD6C4; &#xADF8;&#xB4E4;&#xC740; &#xB0AE;&#xC740; &#xD574;&#xC0C1;&#xB3C4;, &#xB300;&#xC6A9;&#xB7C9; &#xC774;&#xBBF8;&#xC9D5; &#xBC29;&#xBC95; (&#xC608;: &#xD655;&#xC0B0; MRI)&#xC640; &#xB192;&#xC740; &#xD574;&#xC0C1;&#xB3C4;, &#xC791;&#xC740; &#xBCFC;&#xB968; &#xBA54;&#xC11C;&#xB4DC; (&#xC608;: &#xC9C1;&#xB82C; &#xB2E8;&#xBA74;&#xD654; &#xC804;&#xC790; &#xD604;&#xBBF8;&#xACBD;) &#xC0AC;&#xC774;&#xC758; &#xACF5;&#xBC31;&#xC744; &#xCC44;&#xC6B8; connectomics &#xC5F0;&#xAD6C;&#xC5D0; &#xD06C;&#xAC8C; &#xAE30;&#xC5EC;&#xD560; &#xC218; &#xC788;&#xB2E4;. &#xB610;&#xD55C; KESM &#xB370;&#xC774;&#xD130;&#xB97C; subcellular&#xC5D0;&#xC11C; &#xC804;&#xCCB4; &#xAE30;&#xAD00; &#xADDC;&#xBAA8;&#xC5D0; &#xC774;&#xB974;&#xAE30;&#xAE4C;&#xC9C0; &#xADF8;&#xB4E4;&#xC758; &#xC790;&#xC5F0; multiscale&#xC5D0; &#xC758;&#xD574; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC774; &#xB54C;&#xBB38;&#xC5D0;, &#xD63C;&#xC790; &#xC2DC;&#xAC01;&#xD654;&#xB294; &#xC6B0;&#xB9AC;&#xAC00; &#xC591;&#xC801; &#xC5F0;&#xACB0; &#xBD84;&#xC11D;&#xC5D0; &#xB300; &#xD55C; &#xAC71;&#xC815; &#xC2DC;&#xC791; &#xD558;&#xAE30; &#xC804;&#xC5D0; &#xAC70; &#xB300; &#xD55C; &#xB3C4;&#xC804; &#xC774;&#xB2E4;. &#xC774; &#xBB38;&#xC81C;&#xB97C; &#xD574;&#xACB0; &#xD558;&#xB824;&#xBA74; &#xC6B0;&#xB9AC;&#xB294; &#xD6A8;&#xC728;&#xC801;&#xC778; &#xC2DC;&#xAC01;&#xD654; &#xD558; &#xACE0; multiscale KESM &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569;&#xC758; &#xBD84;&#xC11D;&#xC744; &#xC704;&#xD55C; &#xC6F9; &#xAE30;&#xBC18; neuroinformatics &#xD504;&#xB808;&#xC784; &#xC6CC;&#xD06C;&#xB97C; &#xAC1C;&#xBC1C; &#xD588;&#xB2E4;. &#xC774; &#xC885;&#xC774;&#xC5D0; &#xC6B0;&#xB9AC; &#xBA3C;&#xC800; KESM &#xAC1C;&#xC694;&#xB97C; &#xC81C;&#xACF5; &#xAC83;&#xC785;&#xB2C8;&#xB2E4; &#xB2E4;&#xC74C; KESM &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569; &#xBC0F; &#xC6F9; &#xAE30;&#xBC18; neuroinformatics framework KESM &#xB1CC; &#xC544;&#xD2C0;&#xB77C;&#xC2A4; (KESMBA) &#xB77C;&#xACE0; &#xD558;&#xB294; &#xC790;&#xC138;&#xD558;&#xAC8C;&#xC5D0;&#xC11C; &#xB17C;&#xC758;. &#xB9C8;&#xC9C0;&#xB9C9;&#xC73C;&#xB85C;, &#xC6B0;&#xB9AC; connectomics &#xC5F0;&#xAD6C;&#xB294; KESMBA&#xC758; &#xAD00;&#xB828;&#xC131;&#xC5D0; &#xC124;&#xBA85; &#xD558; &#xACE0; &#xC2DD;&#xBCC4; &#xB3C4;&#xC804;&#xACFC; &#xBBF8;&#xB798;&#xC758; &#xBC29;&#xD5A5;.

Knife-edge &#xC2A4;&#xCE90;&#xB2DD; &#xD604;&#xBBF8;&#xACBD; &#xB1CC; &#xC544;&#xD2C0;&#xB77C;&#xC2A4;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xB9C8;&#xC6B0;&#xC2A4; &#xB1CC; &#xB9C8;&#xC774;&#xD06C;&#xB85C; &#xAD6C;&#xC870; multiscale &#xD0D0;&#xC0AC;.

Conect&#xF3;mica es el estudio de la matriz de conexi&#xF3;n completo del cerebro. Los recientes avances en alto rendimiento y de alta resoluci&#xF3;n en 3D m&#xE9;todos de microscop&#xED;a han permitido a la obtenci&#xF3;n de im&#xE1;genes de todo el cerebro de los animales peque&#xF1;os con una resoluci&#xF3;n sub-microm&#xE9;trico, lo que podr&#xED;a abrir el camino a la investigaci&#xF3;n en toda regla conect&#xF3;mica. Uno de los primeros instrumentos de este tipo para lograr todo el cerebro escala de im&#xE1;genes a nivel sub-microm&#xE9;trico de resoluci&#xF3;n es el microscopio de barrido filo de la navaja (KESM). KESM de todo el cerebro conjuntos de datos incluyen ahora Golgi (circuitos neuronales), Nissl (distribuci&#xF3;n soma) y tinta china (redes vasculares). Los datos KESM puede contribuir en gran medida a la investigaci&#xF3;n conect&#xF3;mica, ya que llenar el vac&#xED;o entre una resoluci&#xF3;n m&#xE1;s baja, los grandes m&#xE9;todos de imagen de volumen (por ejemplo, la difusi&#xF3;n MRI) y una resoluci&#xF3;n m&#xE1;s alta, los m&#xE9;todos de peque&#xF1;o volumen (por ejemplo, la microscop&#xED;a de seccionamiento serie de electrones). Adem&#xE1;s, los datos KESM son por su propia naturaleza multiescala, que van desde el subcelular de la escala &#xF3;rgano entero. Debido a esto, la visualizaci&#xF3;n por s&#xED; sola es un gran desaf&#xED;o, incluso antes de empezar a preocuparse por el an&#xE1;lisis de la conectividad cuantitativa. Para solucionar este problema, hemos desarrollado un marco basado en la web para la visualizaci&#xF3;n neuroinform&#xE1;tica eficiente y el an&#xE1;lisis de los conjuntos de datos de m&#xFA;ltiples escalas KESM. En este trabajo, primero se proporciona una visi&#xF3;n general de KESM, a continuaci&#xF3;n, analizar en detalle los conjuntos de datos KESM y el basado en la web neuroinform&#xE1;tica marco, que se llama el KESM atlas del cerebro (KESMBA). Por &#xFA;ltimo, vamos a discutir la pertinencia de la KESMBA de conect&#xF3;mica la investigaci&#xF3;n, e identificar los desaf&#xED;os y las direcciones futuras.

Jaerock Kwon

Department of Electrical and Computer Engineering

Kettering University

Specimen Preparation, Imaging, and Analysis Protocols for Knife-edge Scanning Microscopy

Jaerock Kwon

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Department of Electrical and Computer Engineering

Kettering University

Specimen Preparation, Imaging, and Analysis Protocols for Knife-edge Scanning Microscopy

Department of Electrical and Computer Engineering