用于冷冻电镜中2D标记点分割的U-Net
项目描述
fidder
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。
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torch
和pytorch-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)
构建分发
fidder-0.0.8-py3-none-any.whl (24.9 kB 查看哈希值)
关闭
fidder-0.0.8.tar.gz的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 09a3c82006b719a43250a72aa48c046b39459da529266336dcf0c8ebc010b5c2 |
|
MD5 | 818808a0697f1da2ec3dd44760a22804 |
|
BLAKE2b-256 | 5911ed509f30ddd9a0eeb1008024fc7c61f216a51659dcb9a20256441ed9cd0c |
关闭
fidder-0.0.8-py3-none-any.whl的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | b4ebbdd89f1e7cefde0d06779d3216b6370996989c68caffc3ca2f4efd8fabc4 |
|
MD5 | c653aa802a4d6d4b07bfd01d63da5cab |
|
BLAKE2b-256 | 759b01f49d68f1b18f28bef2569050924d0b0427fe3a0a50b122dc6e02bfcc97 |