allismlsegment 0.0.7

## 概述

Allen Cell Structure Segmenter是一个基于Python的开源工具包，用于在荧光显微镜图像中3D分割细胞内结构，由Allen Institute for Cell Science开发。该工具包包括两个互补元素，一个经典图像分割工作流程，具有一组受限的算法和参数，以及一个迭代深度学习分割工作流程。我们创建了一个基于20种不同且具有代表性的细胞内结构定位模式的20个经典图像分割工作流程集合，作为查找表参考和用户起点。当经典分割工作流程不足时，迭代深度学习工作流程可以接管。两种简单的人机交互式管理策略可以将一组经典图像分割工作流程的结果转换成一组3D地面真实图像，以进行迭代模型训练，无需在3D中进行手动绘制。因此，Allen Cell Structure Segmenter以易于访问的方式利用最先进的计算机视觉算法，以促进实验生物研究者的应用。更多详细信息，包括算法、验证、示例和视频教程，可以在[allencell.org/segmenter](allencell.org/segmenter)或我们的[bioRxiv论文](https://www.biorxiv.org/content/10.1101/491035v1)中找到。

注意：此存储库仅包含“迭代深度学习工作流程”的代码。经典部分可在[https://github.com/AllenInstitute/aics-segmentation](https://github.com/AllenInstitute/aics-segmentation)找到。

## 安装

0. 先决条件

为了执行此包中深度学习模型的训练/预测，我们假设Linux操作系统上已正确设置[NVIDIA GPU](https://www.nvidia.com/en-us/deep-learning-ai/developer/)，无论是在本地机器上还是在远程计算集群上。请确保您的GPU至少支持CUDA 8.0（建议使用CUDA 9.0及更高版本）：[NVIDIA驱动程序检查](https://www.nvidia.com/Download/index.aspx?lang=en-us)。

我们用于开发和测试包的GPU有两种类型：（1）GeForce GTX 1080 Ti GPU（约11GB GPU内存），（2）Titan Xp GPU（约12GB GPU内存），（3）用于PCIe的Tesla V100（约33GB内存）。这些涵盖了个人工作站和数据中心常用的芯片。

注意1：由于远程GPU集群在不同机构之间可能设置不同，我们将假设在安装和演示过程中使用本地机器用例。

注意2：我们正在调查替代云计算服务以部署我们的包，并将在未来几个月内更新。请保持关注：）

1. 创建conda环境

`bash conda create --name mlsegmenter python=3.6 `

（有关如何安装conda的说明，请参阅[此处](https://docs.conda.org.cn/projects/conda/en/latest/user-guide/install/index.html#installing-conda-on-a-system-that-has-other-python-installations-or-packages）

2. 激活您的环境并在环境中进行安装

`bash conda activate mlsegmenter `

（注意：请始终查阅[conda文档](https://docs.conda.org.cn/projects/conda/en/latest/user-guide/tasks/manage-environments.html#activating-an-environment）以获取更新。如果您正在使用较旧版本的conda，您可能需要通过source activate mlsegmenter来激活环境。）

3. 安装Pytorch

访问[PyTorch网站](https://pytorch.ac.cn/get-started/locally/)，并找到适合您的安装命令。

• 我们使用版本1.0（这是我们开发时的稳定版本）

• 我们使用Linux（操作系统），Conda（包），Python 3.6（语言），CUDA=10.0（有关CUDA的问题？请参阅[设置CUDA](./docs/check_cuda.md)）。

请确保您使用PyTorch网站自动生成的命令，或PyTorch网站上推荐的命令来安装[旧版本](https://pytorch.ac.cn/get-started/previous-versions/)*

4. 安装Allen Cell Segmenter（深度学习部分）

`bash git clone https://github.com/AllenInstitute/aics-ml-segmentation.git cd ./aics-ml-segmentation pip install -e . `

在执行pip install时使用-e标志将允许用户修改源代码而无需重新安装包。如果您不想对代码进行任何更改，可以不使用-e进行安装。

## 我们向社区提供它，就像现在这样；我们已经在我们的组织内部使用了该工具包。我们无法提供支持保证。但是，我们欢迎反馈和问题提交。用户被鼓励在我们的[Allen Cell Discussion Forum](https://forum.allencell.org/)上注册以提问和评论社区问题。

# [文档和教程链接](./docs/overview.md)