［本站讯］近年来，体电子显微镜（vEM）作为重建复杂神经网络的核心技术，正成为神经科学和交叉科学的前沿热点，基于电子显微镜的连接组学研究进入大规模、高精度时代。特别是，基于电子显微镜的连接组学被Nature methods杂志评为2025年度方法。山东大学数学与交叉科学研究中心在该领域取得系列重要进展，多项研究成果相继发表于Bioinformatics、GigaScience、ACM MM、AAAI、NeurIPS、Advanced Science等国际重要期刊和会议，为高精度三维重建和结构功能分析奠定了关键基础。

体电子显微镜数据分析流程

智能拼接：破解大视野成像难题

中心博士研究生何彬涛在GigaScience发表题为“vEMstitch: an algorithm for fully automatic image stitching of volume electron microscopy”的研究论文。针对体电子显微镜成像过程中存在的局部形变、特征分布不均及拼接区域鬼影等问题，团队提出全自动二维拼接算法vEMstitch。该方法构建了全局刚性变换与局部弹性校正相结合的复合变换模型，在模拟数据与真实数据实验中，相较于Fiji、MIST及TrakEM2等主流拼接工具，在NCC、SSIM及参数误差等定量指标上均表现更优，另结合其发表于Bioinformatics的双向数据融合策略，可为大视野、高分辨率体电子显微图像的自动拼接提供高精高效的工具。

智能修复：攻克切片损伤难题

针对体电子显微镜序列切片中的局部损伤与信息缺失问题，中心博士研究生程怡然在ACM MM发表论文“Serial section microscopy image inpainting guided by axial optical flow”，提出基于轴向光流引导的修复框架FlowInpaint。该方法通过两阶段参考图像生成策略，结合GAN引导的修复网络与上下文注意机制，在CREMI数据集上的PSNR、SSIM、FSIM及FID等指标上均优于现有方法，尤其在大面积缺失情况下仍保持稳定性能，为序列切片三维重建中的高质量结构修复提供了有效技术方案。

三维配准：突破连续配准精度难题

中心团队与MBZUAI研一学生张振邦在Advanced Science发表了题为“vEMRec: Scalable and Structure-Preserving 3D Reconstruction for High-Resolution Volume Electron Microscopy”的研究论文。针对体电镜三维重建中“消除非线性畸变”与“保留自然形态变化”之间的矛盾，团队提出频率自适应的分解式重建框架vEMRec。在六类大规模真实FIB-SEM、SBF-SEM数据集上，该方法重建精度提升20%–30%，支持TB级数据处理，显著提升下游各向同性重建与三维分割任务的准确性。张振邦同学此前作为本科生加入中心团队，自大二起就深耕三维配准问题，在人工智能顶会AAAI 2025和NeurIPS 2025发表题为“A Gaussian filter-based 3D registration method for series section electron microscopy”及“Unsupervised Trajectory Optimization for 3D Registration in Serial Section Electron Microscopy using Neural ODEs”的论文，从各角度讨论了切片数据高精度三维配准的可能性。

各向同性重建：隐式神经表示提速

中心博士研究生杨济宾在Advanced Science发表题为“vEMINR: Ultra-Fast Isotropic Reconstruction for Volume Electron Microscopy with Implicit Neural Representation”的研究。针对体电镜数据轴向分辨率显著低于横向分辨率的问题，团队提出基于隐式神经表示的超快速各向同性重建方法vEMINR。在11个公开数据集上，该方法在PSNR、SSIM与LPIPS等指标上均优于主流方法，实现超过10倍的重建速度提升，在下游三维分割与神经元重建任务中显著提升Dice指标与结构连续性。

上述研究由山东大学数学与交叉科学研究中心韩仁敏教授团队牵头，联合山东大学软件学院孟文佳老师团队，以及北京理工大学、中国科学院生物物理研究所、沙特阿卜杜拉国王科技大学、MBZUAI、迪拜加拿大大学等国内外相关团队共同完成。