Allen细胞和结构分割器第1部分
项目描述
aicssegmentation
Allen细胞和结构分割器第1部分
此存储库仅包含分割器的“经典图像分割工作流程”的代码。深度学习部分可在https://github.com/AllenCell/aics-ml-segmentation找到
我们欢迎反馈和问题提交。鼓励用户在我们的Allen Cell讨论论坛上注册，提出问题和评论。
安装
我们的包是用Python 3.7实现的。详细的说明如下
在Linux上安装（我们用于开发的操作系统是Ubuntu 16.04.5 LTS）
使用包
我们的包旨在（1）为细胞生物学家提供一个简单的工具，快速获得大量图像上具有合理精度和鲁棒性的细胞内结构分割，并（2）通过统一的开发环境，使经验更丰富的程序员更方便地开发更复杂的算法。
可视化是算法开发和结果验证（定性地）的关键组件。目前，我们的工具包使用itk-jupyter-widgets，这是一个非常强大的可视化工具，主要用于医学数据，可以在Jupyter笔记本中在线使用。一些有趣的演示视频可以在这里找到。
第一部分：快速入门
按照上述安装说明操作后，用户会发现工具包中的经典图像分割工作流程被
- 简化为三个步骤，用于使用有限的可选算法和可调参数解决3D细胞内结构分割问题
- 附带有"查找表"，其中包含20多种代表性的结构定位模式及其结果作为参考，以及Jupyter笔记本作为这些工作流程的起点。
通常，我们使用Jupyter笔记本作为“游乐场”来探索不同的算法并调整参数。在确定算法和参数后，我们使用Python脚本对大量数据进行批处理/验证。
您可以在我们的教程页面找到真实示例的DEMO
第二部分：API
包中使用的顶级包装器/函数列表可在AllenCell.github.io/aics-segmentation找到。
对象识别：连接二值图像（分割）和分析之间的差距
Allen Cell Segmenter的当前版本主要专注于将荧光图像转换为二值图像，即从背景中分离出的目标结构掩码（也称为分割）。但是，二值图像本身并不总是有用的，除非将它们转换为用于下游分析的具有统计意义的数字。通常，所需的数字并不针对整个图像中的所有掩码体素，而是针对图像中的特定“对象”或对象组。在我们的Python包中，我们通过提供对象识别功能来提供函数，以通过对象识别连接二值分割和下游分析之间的差距。
在jupyter笔记本中查看真实示例，了解如何使用对象识别功能
引用Segmenter
如果您发现我们的分割器对您的研究很有用，请在您的论文中引用我们的bioRxiv论文
J. Chen, L. Ding, M.P. Viana, M.C. Hendershott, R. Yang, I.A. Mueller, S.M. Rafelski. The Allen Cell Structure Segmenter: a new open source toolkit for segmenting 3D intracellular structures in fluorescence microscopy images. bioRxiv. 2018 Jan 1:491035.
开发
有关开发代码的信息，请参阅CONTRIBUTING.md
免费软件：Allen Institute Software License
aicssegmentation-0.5.3.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | b9d7a8f4a84177e776653248bd5343e37856d5bbeba75d3fdf34774bc586c318 |
|
| MD5 | 385cb4c8a173f6bc36918dfcb6c04015 |
|
| BLAKE2b-256 | 850f7c9a68fd2ad64bc4a762ed6e11f11759cf12e4bd562a59c69b9d8ccd6925 |
aicssegmentation-0.5.3-py2.py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | d021ca68e915db6224befe01ed449af972148710128f85659f539d112d0244f4 |
|
| MD5 | 864fbaca72db76d3c52233fc363ab060 |
|
| BLAKE2b-256 | 12234ea5b972cf3ba156b1c2e5b7bec6ce178d8e4bb0273e304bdf9389f8374e |