brightfield显微图像中圆形细胞的识别算法。
CellStar的Python项目详细描述
1.3.0版
简介
在延时显微镜中,细胞的自动跟踪是研究许多生物学问题所必需的。为了限制成像过程中细胞系制备和光毒性的操作,经常考虑亮场成像。由于brightfield图像中细胞的分割和跟踪被认为是一项困难而复杂的任务,因此已经开发了许多软件解决方案。
cellstar就是这样一种算法。它被优化用于分割和跟踪单层生长的芽接酵母细胞图像(例如来自微流控室的图像),但是该算法也可用于跟踪其他圆形物体(在Brightfield和荧光图像中)。
解决方案的重要部分是参数拟合机制,该机制允许训练和使用cellstar处理多种不同类型的图像。
请访问我们的网站http://www.cellstar-algorithm.org/了解更多详细信息。
分布
使用cellstar有三种方法:
- python包https://github.com/Fafa87/cellstar
- CellProfiler 2.2的插件http://cellstar-algorithm.strikingly.com/#download
- 手动管理的Matlab版本http://cellstar-algorithm.strikingly.com/#download
插件包不仅包括插件本身,还包括其使用示例,以指导用户如何在给定类型的图像上实现最佳分割。
广泛的示例用法
在我们的插件测试阶段,结果表明,组合参数拟合和CELL PrimeRever流水线流程可以产生非常灵活的解决方案。为了展示这一点,同时也为用户提供一个快速的起点,我们准备了Official user guide。
它包含各种图像的现成分割解决方案,包括:
- 完整的管道说明
- 方法选择讨论
- CellProfiler分析程序用于高级筛选
文档中列出的管道和实际图像作为插件版本的一部分提供。每个案例都可以很容易地重现结果。