Light-sheet数据集探索与处理
项目描述
dexp | light-sheet数据集探索与处理
dexp 是一个基于 napari、CuPy、Zarr 和 DASK 的库，用于管理、处理和可视化光片显微镜数据集。它包括光片专业化的图像处理函数（均衡、去噪、去雾、配准、融合、稳定、校正、反卷积）、可视化函数（基于napari的查看、2D/3D渲染、视频合成和缩放、生成mp4文件），以及数据集管理函数（复制、裁剪、连接、tiff转换）。几乎所有函数都通过 CuPy 进行GPU加速，但同时也提供基于 numpy 的回退选项，以便在小型数据集上进行测试。除了功能API之外，DEXP还提供了一个命令行界面，这使得非编码人员可以轻松地将大型处理工作流水线化，从大型多TB原始数据集到完全处理和渲染的MP4格式视频。
如何安装 dexp
先决条件
dexp 在OSX和Windows上运行，但建议使用最新的Ubuntu版本。我们推荐使用至少12G显存的NVIDIA显卡。
首先，请确保安装了一个 有效的Python安装。其次，请确保安装了一个兼容且功能齐全的 CUDA安装
一旦满足这些先决条件，您就可以安装 dexp。
安装
dexp 可以简单地使用以下命令安装：
pip install dexp
要安装具有GPU支持的 dexp，可选功能以及彩色控制台输出：
conda install cupy
pip install dexp[optional,colored]
对于OSX用户：在安装 dexp 之前，您首先需要安装 cairo
brew install cairo
快速conda环境设置和安装
使用conda环境有多种选择
-
您可以通过以下方式创建我们建议的 DEXP（以及一些额外的包）环境，它需要GPU：
conda env create --name dexp --file env-linux-gpu.yaml -
或者使用以下命令从头开始创建自己的conda环境，删除任何现有的 dexp 环境，重新创建它，安装具有CUDA支持的 dexp 和 napari
conda deactivate conda env remove --name dexp conda create -y --name dexp python=3.9 conda activate dexp conda install cupy pip install dexp[optional,colored] pip install napari[all]如果您在cuda/cuda-toolkit上遇到问题，最好的方法是使用conda安装正确的cudatoolkit版本
conda install -c conda-forge cudatoolkit==11.2.2您可以在 这里 查找最佳匹配版本。
注意
- 您可能会收到一些错误消息，建议您安装缺少的库，例如CUDNN、CuTensor、nccl等。这些消息通常附带有关如何操作的说明。
- 调整您的驱动程序版本（此处为11.2）以匹配您的卡和驱动程序。
- Windows用户在运行倒数第二步之前应先运行
conda install -c conda-forge pyopencl。
利用额外的CUDA库以实现更快的处理
如果您希望 dexp 基于CUDA的处理速度更快，您可以安装以下命令中的额外库，例如CUDNN和CUTENSOR：
conda install -y -c conda-forge cudnn cutensor nccl
或者
dexp-install cudalibs 11.2
相应地更改CUDA版本。
dexp Zarr数据集结构
dexp 注入和写入的zarr数据集组织如下：
/ (root)
└── channel1 (group)
├── channel1 (array)
├── channel1_projection_0 (optional)
├── channel1_projection_1 (optional)
└── channel1_projection_2 (optional)
└── channel2 (group)
├── channel2 (array)
├── channel2_projection_0 (optional)
├── channel2_projection_1 (optional)
└── channel2_projection_2 (optional)
└── more channels ...
通道（zarr组）可以是特定的发射颜色（例如DAPI、GFP等），或者/和特定的成像视图（例如双视图采集中的view1和view2）。在每个通道组下，可能有多个zarr数组。与组名相同的数组通常是n维栈（例如时间-z-y-x）。该nd数组的投影是可选的（用于快速探索nd栈）。当写入输出数据集时，dexp会自动生成这些投影。未来版本的可能添加更多此类便利数组，高列表当然是栈的下采样版本，以实现更快的可视化和浏览...
注意：我们的目标是最终将读取和写入默认过渡到ome-zarr和/或ngff存储。对于读取，我们还支持我们光片显微镜生成的特定数据集，有关支持的显微镜和格式，请参阅此处。这目前有限，但欢迎贡献力量！
DaXi
DEXP支持处理在DaXi显微镜上获取的数据集（论文）。您可以使用示例数据集测试DaXi数据处理。
版本
已发布版本的列表可在此处找到：此处。版本格式为：YYYY.MM.DD.M，其中YYYY是年份，MM是月份，dd是日期，M是当天已过分钟数。Git标签自动设置以将pipy版本链接到github标记版本，以便在github上检查相应的代码，这可能是最重要的功能。这是一个非常简单且语义清晰的版本控制方案，适合快速更新。
如何使用dexp？
有关命令行命令和Python API的详细文档，请参阅此处。
贡献者
Jordao Bragantini，Ahmet Can Solak，Bin Yang，和Loic A Royer
下载文件
下载适用于您平台的文件。如果您不确定要选择哪一个，请了解有关安装软件包的更多信息。
源分布
构建的发行版
dexp-2023.4.10.686.tar.gz 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | f026db0768d50c2e254959de01982fe36f62d3c362788fc9f1512595802c0a7e |
|
| MD5 | 93621d5edd726b2533c568029abefeb8 |
|
| BLAKE2b-256 | 178bb20ad8ea4dd8023af9da4a8acca0939b6ecbc75ecea0b424f3b41133f925 |
dexp-2023.4.10.686-py2.py3-none-any.whl 的哈希值
| 算法 | 哈希摘要 | |
|---|---|---|
| SHA256 | d81c98e574b0327524647c21253b31b73e163a058704c16d2a3567d516aab65e |
|
| MD5 | 79b7e128bca491d1442453550259ad4b |
|
| BLAKE2b-256 | ae36f2e31d2adea76dc7b0d6a3238a3a6c8d020395ede157dc3e3989edab9e94 |