人脑,作为人体中最高级的器官,控制着人体的日常活动。人类对大脑的探索也从未停止。使用不同的工具,从不同方面研究大脑,希望能够了解大脑的运行机制。使用电子显微镜对脑组织序列切成像,进而重建微观脑连接组也是目前前言的研究方向之一,也面临着众多的挑战。近年来,随着先进技术的发展和对重建完整微观脑连接组的期望,重建的脑组织不断增长的同时,也产生了大量的数据。如何有效地管理大规模数据,以便研究人员能够重用这些数据并在用户之间共享,从而挖掘出有价值的信息是目前需要面临的挑战。为此,本文结合脑组织序列切片电子显微镜图像与基于电子显微镜图像的分割数据的特点,设计了相应的数据管理策略,并开发了一个数据管理模块,由服务器端的存储和检索模块和客户端的图像缓存模块两部分组成。在服务器端,结合分布式文件系统Hadoop和分布式数据库Hbase,采用金字塔模型存储电子显微镜图像,解决了海量数据存储问题。并设计了一种基于空间位置信息的快速检索方法,其检索的时间复杂度为常数时间复杂度O(1)。对于分割结果数据,提出了一种基于分块存储的存储方法,以及分别用于逐层获取分割结果和获取整个神经结构对象的检索方法。在客户端设计了图像三级图像缓存模块,进一步减少数据获取的延迟时间,改善用户的体验。通过理论分析和实际测试,该工具具有良好的实时性,能够支持大规模神经结构数据的管理,可扩展性强,完全满足用户在一般浏览情况下的需求。