综述：超分辨率显微技术与深度学习方法：它们能为神经科学带来什么——从神经元到3D树突棘分割

本综述系统探讨了超分辨率显微技术（SIM/STED/STORM/MINFLUX）与深度学习在神经元和树突棘三维分割中的前沿应用。重点介绍了新型膜探针（如MemBright™）对突触形态学的成像突破，以及基于规则和数据的分析策略如何推动神经精神疾病（如阿尔茨海默病、自闭症谱系障碍）的突触病理学研究。

神经元形态与突触病理学

神经元通过数百亿个突触进行通信。轴突可直接与树突干接触（轴突-树突干突触），或与树突膜突起——树突棘形成连接。树突棘是充满肌动蛋白的高度动态结构，其形态和数量在发育、衰老和学习过程中持续变化。发育期的丝状伪足（filopodia）可退缩形成无颈的粗短型棘（stubby spine），或在学习过程中形成具有头部的棘。有头树突棘可分为"细长型"（thin，长颈小头）和"蘑菇型"（mushroom，短颈大头）。这些形态变化直接影响突触功能和细胞水平的可塑性。

研究表明，树突棘形态与多种脑疾病密切相关：精神分裂症和阿尔茨海默病表现为树突棘丢失，而自闭症谱系障碍（ASD）则呈现棘数量增多和幼稚型形态。因此树突棘成为研究认知缺陷类神经精神疾病的共同基质。

细胞质与膜探针的神经元成像

传统神经元成像依赖胞质GFP转染或脂溶性染料DiIC₁₈扩散。MemBright™探针的出现革新了膜标记技术——只需在培养基中孵育5分钟即可标记所有细胞类型的质膜，无需转染且适用于活体和固定样本。其均匀膜整合特性使得棘颈和头部清晰可视，为精准分割奠定基础。

超分辨率显微技术实现了神经系统纳米结构的3D可视化：SIM和Airyscan技术分别达到100nm和140nm分辨率，可解析突触前/后蛋白簇和小细胞器；STED显微镜特别适合组织成像，结合组织透明化技术可实现从毫米级全景到百纳米级棘颈的多尺度关联成像；SMLM技术（STORM/MINFLUX）更以10-30nm甚至2-3nm的定位精度，揭示了肌动蛋白-血影蛋白网络和树突棘颈收缩等超微结构。

神经元与树突棘分割流程

人类皮层锥体细胞拥有约3万个突触，其树突总长度（14.5mm）远超猕猴（6.2mm）或小鼠（5.3mm），棘密度从小鼠海马的1-4个/μm到小脑的15个/μm不等。精确的高通量脊柱形态量化至关重要。

分割流程分为规则驱动和数据驱动两类。规则方法基于图像分析师设定的形态特征：强度阈值法（Otsu/多级/自适应阈值）、骨架化法（通过短分支识别棘）、图结构分析（SpineJ通过节点拓扑属性识别）以及椭圆拟合 shaft 重建法。这些方法无需标注数据且解释性强，但依赖成像条件的一致性。

数据驱动方法包含传统机器学习（如K-means聚类）和深度学习（如U-Net语义分割）。DeepD3采用双解码器网络分别输出树突和棘的分割掩码，并结合洪水填充等后处理技术；RESPAN整合CSBDeep图像恢复与nnU-Net分割；SENPAI框架则通过k-means聚类和空间导数分析，实现了组织内单神经元从微米到纳米尺度的形态提取。

树突棘分割策略

强度差异策略利用棘与树突干的信号差异：Spot Spine通过局部强度最大值定位棘头；3dSpAn则通过多尺度形态学开运算处理弱信号棘。骨架化策略基于棘长度远小于树突干的特性，通过识别短分支定位棘。图论策略（SpineJ）通过分析骨架节点的拓扑属性（如叶节点及其连接模式）进行识别。外部突起策略先重建树突干，将超出椭圆拟合范围的突起视为候选棘。

增强分割性能：架构与非架构策略

语义分割将所有棘像素归为单一类别；实例分割进一步区分每个棘个体；全景分割则整合两者，区分个体棘的同时对每个像素（包括树突干和背景）进行语义标注。混合方法——轻量语义分割模型结合规则后处理——在计算成本与精度间取得良好平衡。

nnU-Net通过非架构优化（基于物体大小的图像裁剪、体素间距优化等）在多项3D医学分割任务中领先。DeepD3则通过定制网络架构显著提升性能。尽管Segment Anything Model（SAM）和其医学适配器Med-SA展示了强大的跨域适应能力，但实例分割的实际应用仍面临计算资源（需4×80GB A100 GPU）和数据规模（脊柱分割数据集远小于医学影像）的限制。因此当前仍以语义分割结合规则后处理为主流方案。

高质量标注与显微技术演进

随着成像技术和标记技术的持续进步，预训练模型在新数据集上会出现性能衰减。3D标注流程包含：显微数据转换预处理、专业工具语义标注、模型兼容格式组织、标注数据集训练。尽管Icy（支持HK-Mean预标注）、Napari（切片间自动插值）和3D Slicer（3D球状笔刷、体积可视化）等平台提升了标注效率，精确的3D标注仍需逐层像素检查，耗时巨大。

未来，多尺度成像中的语义分割与规则方法结合，将为神经精神疾病的树突复杂性和棘形态研究提供关键见解。