本文主要研究解决神经元形态自动重建中分支点检测的问题。神经元形态自动重建是研究神经系统工作原理甚至探究大脑奥秘的重要手段。现有的一类最常用有效的重建算法,局部追踪算法,依赖于神经元图像分支点的检测,限制了算法的准确率和速度。本文基于虚拟细胞成像和深度学习技术,提出了一种检测神经元图像分支点的方法,有效解决了该问题。本文的主要工作是(1)设计并实现了神经元模型的生成与绘制算法。算法基于显微镜下细胞光学成像模型,引入点传播函数、噪声模型和降采样方法模拟神经元图像的光电效应和模数转换过程。实验表明算法的有效性。(2)设计了一种基于3D卷积神经网络的真实神经元分支点检测和定位算法。实验结果表明算法不仅可以准确地检测真实神经图像中分支点及其位置,而且当将其集成到现有神经元形态重建算法中,可以有效提升重建效率。(3)设计一种神经元形态优化对抗网络nsrGAN,可以在优化神经元图像的同时,最小化输入图像与输出图像的差距,从而确保优化后的图像标签不变。