guanine-crystal-analysis

斑马鱼眼睛中鸟嘌呤晶体分割和分类的插件。更确切地说，它提供了一种工作流程，该流程测量鸟嘌呤晶体标签并在分类过程中分离出部分分割的晶体。

此napari插件使用Cookiecutter和@napari的cookiecutter-napari-plugin模板生成。

用法

此插件适合以下用户

• 希望从单个鸟嘌呤晶体中推导出大小、形状和强度参数
• 在部分分割或重叠的晶体上遇到困难
• 希望进一步研究这些鸟嘌呤晶体的大小和形状

此插件不适用于以下用户

• 对鸟嘌呤晶体强度进一步研究感兴趣的用户

您可以在napari中的插件 → guanine-crystal-analysis下找到此插件

图像输入

此插件可以用于z栈的单独2D切片，因为工作流程是基于此类输入开发的。因此，不同输入（如裁剪或最大投影）的结果质量可能不同。

1. 归一化

您可以通过选择归一化来归一化图像，只需指定您的输入图像并单击运行按钮。

归一化图像有助于调整强度值，并且需要在这里应用，因为对象分割器仅针对归一化图像进行训练。

2. 分割

选择分割时，您需要选择归一化图像和标签图像的最小像素计数，然后再次单击运行按钮。这避免了出现太小且无用的标签，并默认设置为50像素。模型训练中使用了APOC像素分类器。

3. 分析图像

在分析图像下，您可以通过选择它们并单击运行按钮来从您的图像和标签图像中提取特征。
提取的特征是napari-skimage-regionprops和napari-simpleitk-image-processing两个库的组合。它们可以分为基于大小、形状和强度参数

大小	形状	强度
面积	长宽比	最大强度
	周长	平均强度
	主轴长度	最小强度
	次轴长度	中位数
	圆形度	总和
	连通性	方差
	偏心率
	圆度
	边界周长
	边界周长比率

您可以在这篇博客文章中找到有关这些特征的术语表。由于重叠或干扰模式，一些鸟嘌呤晶体可能未能正确分割。这个问题通过以下演示的分类步骤得到解决。

4. 对象分类

您可以使用对象分类将晶体标签分为预测（蓝色）和丢弃（棕色）晶体标签。在那里，您可以通过复选框选择基于强度、形状和/或大小参数训练的分类器。对于模型训练，使用了APOC对象分类器。建议不要测量分类器训练的参数，而测量其他参数。

5. 坏标签排除

现在，您可以使用坏标签排除去除丢弃（棕色）标签以进行进一步分析。选择分割和分类结果的两个标签图像，然后再次按运行按钮。结果是一个只有预测（蓝色）标签的标签图像，这些标签被连续重命名。如果您想对这些预测标签进行测量，只需再次使用分析图像即可。

“分析豪华版”

您也可以使用Analyze Deluxe功能一键完成所有解释步骤。

安装

您可以通过pip安装guanine-crystal-analysis

pip install guanine-crystal-analysis

要安装最新开发版本

pip install git+https://github.com/biopo/guanine-crystal-analysis.git

贡献

欢迎贡献。可以使用tox运行测试，请确保在提交拉取请求之前覆盖率至少保持不变。

致谢

本项目与Rita Mateus实验室合作完成。文档和演示Jupyter笔记本中显示的图像均在此处获取。本项目得到德国卓越战略下的德意志研究共同体的支持 - EXC2068 - 德累斯顿技术大学“生命物理”卓越集群。本项目部分由Chan Zuckerberg Initiative DAF（硅谷社区基金会的一个受托基金）的2021-240341号（Napari插件加速器拨款）资助。

许可证

在BSD-3许可下分发，“guanine-crystal-analysis”是免费和开源软件

问题

如果您遇到任何问题，请与详细的描述一起提交问题。