napari용 광학 투영 단층 촬영 전처리 플러그인
이 napari 플러그인은 @napari의 cookiecutter-napari-plugin 템플릿을 사용하여 Cookiecutter로 생성되었습니다.
다음으로 이동:
용법
비닝
ROI
-통나무
암시야 및 명시야
불량화소 수정
강도보정
형광 표백
출발점
전역 설정
전송과 방출
수정
다른
설치
설치 문제 해결
기여
특허
문제
감사의 말
ImSwitch OPT 위젯에서 스트리밍된 데이터 입력(자세한 내용은 ImSwitch 문서 참조)
단층 촬영 투영을 데이터 스택으로 로드
기타 스택 3D 볼륨 데이터 형식
File -> Open Sample 통해 로드된 작은 예제 데이터
두 가지 중요한 전역 설정, 즉 Inplace 작업 및 추적을 사용할 수 있습니다.
메모리를 절약하기 위해 기본 모드는 이미지 스택 Inplace 에서 작업을 수행하여 원본 이미지 스택을 다시 작성합니다. 이 옵션을 선택하지 않으면 수정된 버전의 이미지가 포함된 새 레이어가 생성되어 뷰어에 추가됩니다. Inplace 작업을 선택하면 위젯에서 추적 옵션을 사용할 수 있게 됩니다. 이 옵션을 사용하면 스택/이미지에서 수행된 마지막 작업을 추적할 수 있습니다. Undo 버튼을 누르면 이미지에 수행된 마지막 작업이 되돌려집니다. 실행 취소는 한 번만 가능합니다.
현재 -log 계산을 제외하고 작업 후 이미지가 유지되거나 numpy.int16 으로 캐스팅됩니다. 위젯에 나타나는 대로 위에서 아래로, 왼쪽에서 오른쪽 순서로 작업을 수행하는 것이 좋습니다. 그렇지 않으면 예외나 예측할 수 없는 동작이 발생할 가능성이 높습니다. 파이프라인에 대해 일부 위젯 로직을 수정해야 하는 경우 문제를 제출하세요.
투과 실험은 Beer-Lambert 법칙의 근사치에서 정량적으로 구상됩니다. 이는 밝고 어두운 측정을 사용하여 흡광도 또는 오히려 투과율을 다음과 같이 계산할 수 있음을 의미합니다.
, 여기서 I는 측정된 신호이고 는 명시야 강도이고 는 어두운 카운트입니다.
방출은 일반적으로 알 수 없는 염색 농도, 담금질 효과, 표백, 검출 경로 보정, 양자 수율 등으로 인해 정량적인 것과는 거리가 멀습니다.
암시야, 명시야 및 불량화소 교정은 카메라 획득과 직접적인 관련이 있습니다. 반면에 강도 보정은 광원의 불안정성을 다룹니다. 수정된 이미지는 원본 이미지 대비 제한을 사용하여 뷰어에 표시됩니다. 수행된 교정 결과를 효과적으로 보려면 대비 제한을 조정해야 할 수도 있습니다.
투과 및 방출 실험 모두에서 암시야 및 명시야 보정의 조합이 가능합니다. 사용자는 실험 양식을 선택한 다음 하나의 수정(암시야 또는 명시야)만 포함할지 아니면 둘 다를 포함할지 결정해야 합니다. 수정이 완료되면 Inplace 설정에 따라 수정된 이미지가 포함된 새 레이어가 뷰어에 나타나거나 원본 이미지 레이어가 업데이트됩니다. 암시야 보정 만으로도 이미지 스택의 각 이미지에서 어두운 ( int 연산) 이미지를 빼는 작업이 수행되므로 항상 적용할 가치가 있습니다. 이 작업은 전송 또는 방출 실험 양식에 관계없이 동일합니다.
명시야 보정은 이미지의 밝은 배경의 다양한 강도를 보정하기 위한 전송 실험에 특히 유용합니다. 밝은 레이어는 데드 픽셀을 식별하는 데에도 사용할 수 있습니다. 단독으로 적용할 경우 이미지는 밝은 강도( float Division)로 분할된 후 전송 실험의 경우 numpy.int16 으로 변환됩니다. 방출 데이터의 경우 스택의 각 이미지에서 명시야 강도를 뺍니다( int 연산).
함께 수행된 Dark + Bright field 보정은 Transmission 에 대해 계산됩니다.
(image - dark) / (bright - dark)
, 이는 float 이며 이후에 numpy.int16 으로 캐스팅됩니다.
Emission 데이터의 경우 Emission 실험에 적용된 어둡고 밝은 조합의 보정은 간단합니다.
(image - dark) - (bright - dark) = image - bright
전송과 방출의 차이점에 대한 추가 설명은 위 섹션을 참조하세요.
픽셀 보정은 핫 픽셀과 데드 픽셀 모두에 사용할 수 있습니다. Bad pixel correction 버튼을 누르면 불량 픽셀이 식별되고 사용자는 이를 수정하거나 뷰어에서 새 레이어로 시각화하도록 선택할 수 있습니다.
주변 픽셀의 값을 고려하여 보정이 수행됩니다. 보정에는 n4와 n8의 두 가지 옵션을 사용할 수 있습니다. n4 옵션은 4개의 인접 픽셀(위, 아래, 왼쪽, 오른쪽)을 사용하는 반면, n8 옵션은 8개의 인접 픽셀을 모두 고려합니다. 주변 픽셀이 불량 픽셀 자체인 경우에는 보정 대상으로 간주되지 않습니다. 불량 픽셀 값은 주변 픽셀 값의 mean 으로 계산됩니다.
암시야, 명시야 및 불량 픽셀 수정이 적용되면 조명 소스의 불안정성으로 인해 생성된 스택을 따라 빛의 불균일성을 수정하기 위해 강도 수정을 적용할 수 있습니다. 사용자는 직사각형 크기를 선택하고 Intensity correction 버튼을 누릅니다. 이미지의 네 모퉁이(변이 직사각형 크기와 동일함)에 있는 픽셀의 평균이 스택에 대해 계산되고 수정된 이미지가 뷰어에 표시되거나(Inplace 작업 옵션이 선택되지 않은 경우) 원본 이미지가 표시됩니다. 업데이트됩니다. 또한 강도 보정 전후의 스택 강도(이미지의 4개 직사각형 영역에 대한 mean 강도)를 보여주는 플롯이 표시됩니다.
형광 광표백을 교정하려면 다음 섹션을 참조하세요.
각 각도에 대해 열을 따라 평균 강도 값이 계산된 다음 첫 번째 투영과 관련하여 각 행의 강도 값을 나누기 위한 보정 계수로 사용됩니다. 수정이 완료되면 각 각도에 대해 계산된 평균값을 보여주는 플롯이 뷰어에 나타납니다. 이 기능은 스택이 (angles, rows, columns) 형식이라고 가정합니다.
이 보정은 단일 카메라 행에서 가져온 위의 사이노그램에서 명백하게 나타나는 그림자 효과를 처리하지 않는다는 점에 유의하십시오. 이 경우 형광 여기광은 오른쪽에서 나오므로 사이노감의 오른쪽은 더 높은 FL 강도를 나타냅니다.
스택 비닝이 가능합니다. 비닝 요소를 선택하고 Bin Stack 버튼을 누르세요. 비닝된 스택이 표시되고 원본 및 새 스택 모양이 포함된 알림이 나타납니다. 모양은 (height // bin_factor, width // bin _factor) 이므로 이미지 크기를 bin_factor 로 고안할 수 없는 경우 가장자리 픽셀이 누락될 수 있습니다. 픽셀 값은 비닝된 픽셀의 mean 으로 계산되어 numpy.int16 으로 캐스팅됩니다. 비닝 요소가 1이면 아무 작업도 수행되지 않습니다.
단층촬영 재구성의 경우 ROI를 선택하면 재구성 알고리즘의 계산 시간을 크게 줄일 수 있습니다. Points layer 선택하고 ROI의 왼쪽 상단 모서리를 정의하는 포인트를 추가합니다. 이 지점에서 width 와 height (픽셀 단위)가 사용자에 의해 선택됩니다. 두 개 이상의 포인트가 추가되면 ROI 선택 시 마지막 포인트만 고려됩니다.
어두운 부분과 밝은 부분의 세부 사항을 더 잘 보이게 만드는 위젯의 -Log 기능을 사용하여 이미지의 로그를 계산할 수 있습니다. 이는 카운트를 투과율 로 변환하므로 투과 실험에서 물리적으로 정당화되는 변환입니다. 방출 측정의 경우 시각화를 위해 비선형적으로 대비를 높이는 변환일 뿐입니다.
pip를 통해 napari-opt-handler 설치할 수 있습니다.
pip install napari-opt-handler
최신 개발 버전을 설치하려면:
pip install git+https://github.com/QBioImaging/napari-opt-handler.git
기여를 매우 환영합니다. 테스트는 tox를 사용하여 실행할 수 있습니다. 풀 요청을 제출하기 전에 적용 범위가 최소한 동일하게 유지되는지 확인하십시오.
BSD-3 라이센스 조건에 따라 배포되는 "napari-opt-handler"는 무료 오픈 소스 소프트웨어입니다.
많은 사람들이 이 프로젝트에 기여해왔습니다. 주요 내용은 다음과 같습니다.
조르지아 토르토라(Giorgia Tortora)와 안드레아 바시(Andrea Bassi)(폴리테크니코 밀란)
테레사 코레이아(CCMAR-Algarve)
문제가 발생하면 자세한 설명과 함께 문제를 제출해 주세요.
