elephant server

ELEFANTE: Seguimiento de linajes celulares en 3D mediante aprendizaje profundo incremental

	Revelador	Ko Sugawara
	Foro	Foro Imagen.sc Por favor publique comentarios y preguntas en el foro. Es importante agregar la etiqueta elephant a sus publicaciones para que podamos comunicarnos con usted rápidamente.
	código fuente	GitHub
	Publicación	Sugawara, K., Çevrim, C. y Averof, M. Seguimiento de linajes celulares en 3D mediante aprendizaje profundo incremental. eLife 2022. doi:10.7554/eLife.69380

---

ELEPHANT es una plataforma de seguimiento celular 3D, basada en aprendizaje profundo incremental e interactivo.

Funciona en arquitectura cliente-servidor. El servidor está construido como una aplicación web que sirve algoritmos basados ​​en aprendizaje profundo.

Este repositorio proporciona una implementación del servidor ELEPHANT. El cliente ELEPHANT se puede encontrar aquí.

Consulte la documentación para obtener más detalles.

---

Configurando el servidor ELEPHANT

Hay tres opciones para configurar el servidor ELEPHANT.

• Configurando con Docker

  Esta opción es recomendable si tienes un ordenador potente que cumpla con los requisitos del servidor (Docker) con privilegios de root.

• Configurando con Singularidad

  Se recomienda esta opción si puede acceder a una computadora potente que satisfaga los requisitos del servidor (Singularidad) como usuario no root (por ejemplo, clúster HPC).

• Configuración con Google Colab

  Alternativamente, puede configurar el servidor ELEPHANT con Google Colab, un producto disponible gratuitamente de Google Research. En esta opción, no necesita tener una GPU de alta gama o una máquina Linux para comenzar a utilizar las capacidades de aprendizaje profundo de ELEPHANT.

Las instrucciones detalladas para cada opción se pueden encontrar en la documentación.

Expresiones de gratitud

• PyTorch
• numpy
• picante
• imagen-scikit
• Matraz
• uWSGI
• NGINX
• Redis
• ConejoMQ
• supervisor
• uwsgi-nginx-flask-docker
• ngrok
• colaboración de google

Citación

Cite nuestro artículo sobre eLife.

• Sugawara, K., Çevrim, C. y Averof, M. Seguimiento de linajes celulares en 3D mediante aprendizaje profundo incremental. eLife 2022. doi:10.7554/eLife.69380

 @article { Sugawara2022 ,
	author = { Sugawara, Ko and {c{C}}evrim, {c{C}}a?r? and Averof, Michalis } ,
	title = { Tracking cell lineages in 3D by incremental deep learning } ,
	year = { 2022 } ,
	doi = { 10.7554/eLife.69380 } ,
	abstract = {Deep learning is emerging as a powerful approach for bioimage analysis. Its use in cell tracking is limited by the scarcity of annotated data for the training of deep-learning models. Moreover, annotation, training, prediction, and proofreading currently lack a unified user interface. We present ELEPHANT, an interactive platform for 3D cell tracking that addresses these challenges by taking an incremental approach to deep learning. ELEPHANT provides an interface that seamlessly integrates cell track annotation, deep learning, prediction, and proofreading. This enables users to implement cycles of incremental learning starting from a few annotated nuclei. Successive prediction-validation cycles enrich the training data, leading to rapid improvements in tracking performance. We test the software's performance against state-of-the-art methods and track lineages spanning the entire course of leg regeneration in a crustacean over 1 week (504 time-points). ELEPHANT yields accurate, fully-validated cell lineages with a modest investment in time and effort.},
	URL = { https://doi.org/10.7554/eLife.69380 } ,
	journal = { eLife }
}

descargar como archivo .bib

Licencia

Cláusula BSD-2