B ackground Quantitative imaging of epithelial tissues prompts for bioimage analysis tools that are widely applicable and accurate. In the case of imaging 3D tissues, a common pre-processing step consists in projecting the acquired 3D volume on a 2D plane mapping the tissue surface. Indeed, while segmenting the tissue cells is amenable on 2D projections, it is still very difficult and cumbersome in 3D. However, for many specimen and models used in Developmental and Cell Biology, the complex content of the image volume surrounding the epithelium in a tissue often reduces the visibility of the biological object in the projection, compromising its subsequent analysis. In addition, the projection may distort the geometry of the tissue and can lead to strong artifacts in the morphology measurement. R esults Here we introduce a user-friendly toolbox built to robustly project epithelia on their 2D surface from 3D volumes, and to produce accurate morphology measurement corrected for the projection distortion, even for very curved tissues. Our toolbox is built upon two components. LocalZProjector is a user-friendly and configurable Fiji plugin that generates 2D projections and height-maps from potentially large 3D stacks (larger than 40 GB per time-point) by only incorporating signal of the planes with local highest variance/mean intensity, despite a possibly complex image content. DeProj is a MATLAB tool that generates correct morphology measurements by combining the height-map output (such as the one offered by LocalZProjector ) and the results of a cell segmentation on the 2D projection, hence effectively deprojecting the 2D segmentation in 3D. In this paper we demonstrate their effectiveness over a wide range of different biological samples. We then compare its performance and accuracy against similar existing tools. C onclusions We find that LocalZProjector performs well even in situations where the volume to project also contains un-wanted signal in other layers. We show that it can process large images without a pre-processing step. We study the impact of geometrical distortions on morphological measurements induced by the projection. We measured very large distortions which are then corrected by DeProj , providing accurate outputs.

Understanding how assemblies of neurons encode information requires recording large populations of cells in the brain. In recent years, multi-electrode arrays and large silicon probes have been developed to record simultaneously from hundreds or thousands of electrodes packed with a high density. However, these new devices challenge the classical way to do spike sorting. Here we developed a new method to solve these issues, based on a highly automated algorithm to extract spikes from extracellular data, and show that this algorithm reached near optimal performance both in vitro and in vivo. The algorithm is composed of two main steps: 1) a "template-finding" phase to extract the cell templates, i.e. the pattern of activity evoked over many electrodes when one neuron fires an action potential; 2) a "template-matching" phase where the templates were matched to the raw data to find the location of the spikes. The manual intervention by the user was reduced to the minimal, and the time spent on manual curation did not scale with the number of electrodes. We tested our algorithm with large-scale data from in vitro and in vivo recordings, from 32 to 4225 electrodes. We performed simultaneous extracellular and patch recordings to obtain "ground truth" data, i.e. cases where the solution to the sorting problem is at least partially known. The performance of our algorithm was always close to the best expected performance. We thus provide a general solution to sort spikes from large-scale extracellular recordings.

Wide-field imaging conventionally results in a single image plane oriented perpendicular to the optical axis. However, in brain slice or in vivo recording, neuronal or circuit morphologies lie in arbitrarily tilted planes. Consequently the spatiotemporal advantages of wide-field non-scanned imaging are lost because of the time required for stepwise focal readjustments to view an entire neuron or network. We describe an application of remote focus that views simultaneously two planes separated by up to 100 μm, each with variable tilt from the conventional image plane. This permits fluorescence detection of ion fluxes or membrane potential across neuronal compartments and their correlation with electrical activity. Further, two fluorophores can be viewed simultaneously in each plane. We show (i) neuronal images tilted to optimise simultaneous aquisition of somatic, dendritic and axonal compartments; (ii) networks viewed simultaneously at 2 depths separated by up to 100 μm, (iii) widefield imaging at 30 Hz of Gcamp5 fluorescence during spontaneous spiking in motoneuron layers of zebrafish spinal cord separated by 30-40 microns.

Microscopy techniques and image segmentation algorithms have improved dramatically this decade, leading to an ever increasing amount of biological images and a greater reliance on imaging to investigate biological questions. This has created a need for methods to extract the relevant information on the behaviors of cells and their interactions, while reducing the amount of computing power required to organize this information. This task can be performed by using a network representation in which the cells and their properties are encoded in the nodes, while the neighborhood interactions are encoded by the links. Here we introduce Griottes , an open-source tool to build the “network twin” of 2D and 3D tissues from segmented microscopy images. We show how the library can provide a wide range of biologically relevant metrics on individual cells and their neighborhoods, with the objective of providing multi-scale biological insights. The library’s capacities are demonstrated on different image and data types. This library is provided as an open-source tool that can be integrated into common image analysis workflows to increase their capacities.