CellStar 1.3.0

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。