跳转到主要内容

用于冷冻电镜中2D标记点分割的U-Net

项目描述

fidder

License PyPI Python Version CI codecov

fidder 是一个Python包,用于检测和擦除冷冻电镜图像中的金标记点。

使用预训练的残差2D U-Net在8 Å/px处检测标记点。分割区域被替换为与图像局部平均值和全局标准差匹配的白色噪声。

该包可以从Python命令行使用。


快速入门

Python

import mrcfile
import torch
from fidder.predict import predict_fiducial_mask
from fidder.erase import erase_masked_region

# load your image
image = torch.tensor(mrcfile.read('my_image_file.mrc'))

# use a pretrained model to predict a mask
mask, probabilities = predict_fiducial_mask(
    image, pixel_spacing=1.35, probability_threshold=0.5
)

# erase fiducials
erased_image = erase_masked_region(image=image, mask=mask)

命令行

# predict fiducial mask
fidder predict \
--input-image example.mrc \
--probability-threshold 0.5 \
--output-mask mask.mrc

# erase masked region
fidder erase \
--input-image example.mrc \
--input-mask mask.mrc \
--output-image erased.mrc

安装

pip

pip install fidder

兼容性

如果您尝试使用10.X CUDA运行时,您可能需要安装较旧的torchpytorch-lightning版本,有关详细信息,请参阅teamtomo/fidder#17

注意

此包在为金标记点分割重新训练时,提供了与Warp的BoxNet类似的功能。

本软件包的开发旨在使此功能可以通过一个独立、易于安装的Python包使用。其架构和训练数据预处理基于《Warp论文》中的描述。

项目详情


下载文件

下载适用于您平台的应用程序。如果您不确定选择哪个,请了解有关安装包的更多信息。

源分发

fidder-0.0.8.tar.gz (21.0 kB 查看哈希值)

上传时间

构建分发

fidder-0.0.8-py3-none-any.whl (24.9 kB 查看哈希值)

上传时间 Python 3

由以下组织支持