神经元的形态重建是研究神经元投射靶向特异性、神经元环路以及神经元分类的基础。近些年来,随着光学成像技术和神经元重建算法的发展,人们对神经元形态的了解已从族群水平提高到了单细胞水平。然而,现有技术获得的图像中神经元骨架结构的质量还不足以支持对全脑神经元投射靶向特异性、神经元环路进行更深入的研究;此外,获得的图像中神经元精细结构（如突触扣结）的准确性也不足以支持对神经元进行更深入的分类研究。在光学成像技术短期内无法提升的情况下,神经元图像重建后的质量提升成为神经元形态研究的关键。因此,本文围绕神经元骨架结构的重建和三维突触扣结的检测需要,发展了神经元重建的错误终端点检测工具和质量优化方法,并在此基础上设计了突触扣结的重建算法。具体研究如下:（1）开发了基于Vaa3D的神经元重建错误终端点的检测工具。设计了适用于三维神经元终端点检测的卷积神经网络,使得网络训练和测试的图像分类准确度均超过了90%。基于Vaa3D中的插件系统,通过整合卷积神经网络模型的调用、输入数据的预处理、数据的检测和检测结果的整合,开发了神经元重建错误终端点的“一键式”检测工具,并利用该工具成功检测到了四种常见的神经元重建错误终端点。（2）开发了基于Vaa3D的神经元重建结构的优化工具。通过设计自适应终端点修剪算法,实现了对过度追踪神经元的自动化批量修剪,将过度追踪神经元的终端点修剪到神经元结构中更准确的位置;通过设计方向特异性均值漂移（mean shift）算法,实现了对重建偏移神经元骨架的自动化批量修正,将偏移的重建骨架修正到神经元结构中的正确位置。（3）设计了一种基于二维SIFT算法的三维突触扣结检测的算法。利用图像切片方法将神经元三维图像转化为二维切片,并通过图像投影、SIFT特征点检测、坐标转换等步骤,实现了神经元三维突触扣结检测的通用算法。利用该通用算法实现了全脑神经元三维重建结构中终端点位置和骨架位置处的突触扣结检测。