生物器官生理病理超微结构的研究，对理解器官的正常生理活动，探究器官病理状态的结构差异和辅助早期疾病诊断，以及助力于新药物的研发都有着重要的意义。随着体电子显微镜成像技术和人工智能数据处理技术的快速发展，使得高精度、快速地大尺度重建器官的三维超微结构具备高度的可行性和可操作性。这能够使研究者集中力量进行器官生理和病理状态下超微结构比较解剖学研究，以期获得对疾病的发病机理更加深入的理解。

本文基于体电子显微镜的成像技术和人工智能的大规模数据处理技术，在与脑科学、细胞生物学、神经病理学的交叉领域开展生物器官生理病理超微结构的自动重建分析方法研究。首先，针对脑科学中的微观脑图谱构建，探究了小鼠视交叉上核神经元细胞核的重建方法；其次，针对细胞生物学中细胞及亚细胞结构与功能的探究，开展正常生理小鼠肝脏超微结构的研究；最后，针对神经病理学中阿尔茨海默症的研究，探究了阿尔茨海默症大鼠前额叶皮层中超微结构的变化。论文的主要成果和贡献如下：

1. 针对小鼠视交叉上核中神经元细胞核的重建问题，本文提出一种基于编解码结构的深度学习分割算法。首先，通过使用改进的残差网络和空洞卷积的空间金字塔池化模块，编码多尺度上下文信息提取图像的高维特征。然后，融合多层级的特征，以准确得到细胞核的精细边界。另外，在本算法中采用Focal loss作为损失函数解决训练过程中正负样本不均衡的问题。我们提出的分割算法在没有任何后处理的情况下，在神经元细胞核分割任务上的性能优于两个基准方法U-Net和Deeplabv3+。我们通过该算法能够自动快速地重建约265GB的体电镜数据中的所有神经元细胞核，进而可以确定神经元的数量和分布情况，这有助于微观脑图谱的构建。

2. 为了能够在纳米分辨率水平三维表征器官的亚细胞结构和探究亚细胞结构间的相互作用关系，本文使用先进的体电子显微镜对正常生理小鼠的肝脏组织进行高分辨率成像，然后设计了一个基于卷积神经网络的多细胞器分割算法，自动重建肝脏细胞中的超微结构，实现了对肝脏中多达六种细胞器的重建和量化分析。三维重建结果证实了肝脏细胞中内质网主要呈扁平的片状，并在细胞内与其他细胞器紧密结合。进一步的分析结果显示，内质网比其他细胞器具有更小的体积-膜表面积比，这表明内质网的功能可能需要较大的膜表面积。此外，精细的三维超微结构数据还揭示了内质网-线粒体的接触极其丰富，尤其是与有分支的线粒体。本研究重建了肝脏细胞中多种细胞器的精细三维超微结构，并分析了内质网与其他细胞器的相互作用关系，有望为肝脏的生理病理机制研究提供重要的结构基础。

3. 在阿尔茨海默症中，神经元和突触结构的改变被认为是认知功能障碍的主要神经生物学特征，但是由于缺乏定量分析的工具，与阿尔茨海默症有关的神经元和突触结构的具体变化仍然难以发现。为了能够定量三维表征与阿尔茨海默症有关的突触和树突等超微结构的具体变化，本文首先采用先进的体电子显微镜成像技术，获取阿尔茨海默症和其同窝野生型大鼠前额叶皮层的高分辨率序列图像。然后针对体电镜数据强各向异性的特点，设计了基于反向注意力的小尺度突触自动重建算法，和基于残差3D U-Net和图割模型的神经突起自动重建算法，以便快速准确地获取突触和树突的三维超微结构。我们从突触和树突的三维表征结果中发现，相比同窝野生型大鼠，阿尔茨海默症大鼠前额叶皮层中突触密度降低，突触并置面面积和突触后致密带体积减小。另外，发现阿尔茨海默症大鼠前额叶皮层中树突的树突棘增多，而形成突触的树突棘的比例减少，但是在树突轴上形成的突触增加。该研究结果有望为阿尔茨海默症的研究提供有价值的信息。