摘要：为了研究脑运行机制以实现类脑智能，我们引入深度学习工具系统解决突触级脑微观重建中大数据自动分析的难题，包括：密集神经元重建、单根神经元追踪、关键细胞器检测和重建.其中我们使用带有候选区域（region proposal network，RPN）的全卷积网络（fully convolutional networks，FCN）检测线粒体和突触，结合SPPUnet（spatial pyramid pooling U-net）网络框架和Multi-Cut算法进行神经元的重建，各部分在量化分析和视觉上取得了较好的结果.重建工作为学术界开展高通量的突触尺度脑微观结构重建提供有效支持.

关键词：脑微观结构重建 电子显微镜图像 深度学习 候选区域网络 

单位：北京工业大学经济与管理学院; 北京100124; 北京现代制造业发展基地; 北京100124; 中国科学院自动化研究所; 北京100190; 中国科学院脑科学与智能技术卓越创新中心; 上海200031; 中国科学院大学未来技术学院; 北京101407