elephant server

GAJAH: Melacak garis keturunan sel dalam 3D dengan pembelajaran mendalam tambahan

	Pengembang	Ko Sugawara
	Forum	Forum gambar.sc Silakan kirim umpan balik dan pertanyaan ke forum. Penting untuk menambahkan tag elephant ke postingan Anda agar kami dapat menghubungi Anda dengan cepat.
	Kode sumber	GitHub
	Publikasi	Sugawara, K., Çevrim, C. & Averof, M. Melacak garis keturunan sel dalam 3D dengan pembelajaran mendalam tambahan. eLife 2022. doi:10.7554/eLife.69380

---

ELEPHANT adalah platform untuk pelacakan sel 3D, berdasarkan pembelajaran mendalam yang bertahap dan interaktif.

Ia bekerja pada arsitektur client-server. Server dibangun sebagai aplikasi web yang melayani algoritma berbasis deep learning.

Repositori ini menyediakan implementasi server ELEPHANT. Klien ELEPHANT dapat ditemukan di sini.

Silakan merujuk ke dokumentasi untuk detailnya.

---

Menyiapkan Server GAJAH

Ada tiga opsi untuk menyiapkan server ELEPHANT.

• Menyiapkan dengan Docker

  Opsi ini disarankan jika Anda memiliki komputer canggih yang memenuhi persyaratan server (Docker) dengan hak akses root.

• Menyiapkan dengan Singularitas

  Opsi ini disarankan jika Anda dapat mengakses komputer canggih yang memenuhi persyaratan server (Singularitas) sebagai pengguna non-root (misalnya cluster HPC).

• Menyiapkan dengan Google Colab

  Alternatifnya, Anda dapat menyiapkan server ELEPHANT dengan Google Colab, produk yang tersedia secara gratis dari Google Research. Dalam opsi ini, Anda tidak perlu memiliki GPU kelas atas atau mesin Linux untuk mulai menggunakan kemampuan pembelajaran mendalam ELEPHANT.

Petunjuk terperinci untuk setiap opsi dapat ditemukan di dokumentasi.

Ucapan Terima Kasih

• PyTorch
• Numpy
• Sains
• gambar scikit
• Labu
• uWSGI
• NGINX
• ulang
• KelinciMQ
• Pengawas
• uwsgi-nginx-flask-docker
• ngrok
• Google Kolab

Kutipan

Silakan kutip makalah kami di eLife.

• Sugawara, K., Çevrim, C. & Averof, M. Melacak garis keturunan sel dalam 3D dengan pembelajaran mendalam tambahan. 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 }
}

unduh sebagai file .bib

Lisensi

BSD-2-Klausul