ImageJ实用技巧——Sholl Analysis(插件篇)

因为发帖总是显示失败，所以请大家直接打开下面的文章链接：

Sholl Analysis分析已追踪的神经元：https://zhuanlan.zhihu.com/p/55693571

Sholl Analysis分析未经过追踪的神经元：https://zhuanlan.zhihu.com/p/55947507

Sholl技术，早在1953年就由伦敦大学学院的Donald Sholl所提出，之后就以他的名字命名。他提出了一套完整的，定量分析神经元轴突和树突的方法[1]。

Sholl Analysis的原理其实并不复杂：将一组同心圆叠加到神经元上（通常在胞体），通过计算与每个圆相交的分支数，得出对不同区域的神经元树突和轴突的分支模式，从而定量表征被成像神经元形态特征。

Sholl Analysis这个插件2014年发表在Nature Methods，是一个独立的插件，同时也能在Simple Neurite Tracer中打开。能够对2D/3D的未追踪神经元和已有路径进行快速的Sholl分析[2]。

下面是官网的插件说明：https://imagej.net/Sholl_Analysis

下图是2016年发表在Nature Communications上的一篇文章，其中就用到了Sholl Analysis，用ImageJ软件对神经元复杂性（分支数）进行了定量分析[3]。

更多教程可以关注我的知乎专栏：https://zhuanlan.zhihu.com/c_1069243926476673024

[1]Sholl D A . Dendritic organization in the neurons of the visual and motor cortices of the cat.[J]. Journal of Anatomy, 1953, 87(4):387-406.

[2]Ferreira T A , Blackman A V , Oyrer J , et al. Neuronal morphometry directly from bitmap images[J]. Nature Methods.

[3]Yang Y , Wang Z H , Jin S , et al. Opposite monosynaptic scaling of BLP–vCA1 inputs governs hopefulness- and helplessness-modulated spatial learning and memory[J]. Nature Communications, 2016, 7:11935.