La reconstrucción de la morfología neuronal a partir de pilas de imágenes de microscopía es esencial para comprender la función cerebral y el comportamiento. Aunque los métodos existentes son capaces de rastrear las estructuras de los árboles neuronales y crear mallas de superficie de membrana, a menudo carecen de tuberías de procesamiento sin costuras y sufren de artefactos de unión e inconsistencias de reconstrucción. En este estudio, proponemos un nuevo enfoque que utiliza una representación neuronal implícita para extraer directamente isosuperficies neuronales de pilas de imágenes crudas mediante la modelización de funciones de distancia firmadas (SDFs) con perceptrones de múltiples capas (MLPs). Nuestro método reconstruye con precisión la topología tubular y similar a un árbol de las neuronas en configuraciones espaciales complejas, produciendo mallas de superficie de membrana neuronal altamente precisas. Evaluaciones cuantitativas y cualitativas extensas en múltiples conjuntos de datos demuestran la superior fiabilidad de nuestro enfoque en comparación con los métodos existentes. El método propuesto logra una precisión de reconstrucción volumétrica de hasta el 98.2% y un IoU volumétrico de 0.90.