elephant server
v0.6.0
| Разработчик | Ко Сугавара |
| Форум | Форум Image.sc Пожалуйста, оставляйте отзывы и вопросы на форуме. Важно добавлять к вашим публикациям тег elephant , чтобы мы могли быстро связаться с вами. |
| Исходный код | GitHub |
| Публикация | Сугавара К., Шеврим К. и Авероф М. Отслеживание клеточных линий в 3D с помощью постепенного глубокого обучения. eLife 2022. doi:10.7554/eLife.69380 |
ELEPHANT — это платформа для трехмерного отслеживания клеток, основанная на поэтапном и интерактивном глубоком обучении.
Он работает по архитектуре клиент-сервер. Сервер построен как веб-приложение, которое обслуживает алгоритмы, основанные на глубоком обучении.
Этот репозиторий предоставляет реализацию сервера ELEPHANT. Клиент ELEPHANT можно найти здесь.
Подробности см. в документации.
Есть три варианта настройки сервера ELEPHANT.
Настройка с помощью Docker
Этот вариант рекомендуется использовать, если у вас мощный компьютер, удовлетворяющий требованиям сервера (Docker) с root-правами.
Настройка с помощью Singularity
Этот вариант рекомендуется использовать, если вы можете получить доступ к мощному компьютеру, удовлетворяющему требованиям сервера (Singularity), от имени пользователя без полномочий root (например, кластер HPC).
Настройка с помощью Google Colab
Кроме того, вы можете настроить сервер ELEPHANT с помощью Google Colab, бесплатно доступного продукта от Google Research. В этом варианте вам не обязательно иметь высокопроизводительный графический процессор или компьютер с Linux, чтобы начать использовать возможности глубокого обучения ELEPHANT.
Подробные инструкции для каждого варианта можно найти в документации.
Пожалуйста, процитируйте нашу статью об eLife.
@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 }
}Пункт BSD-2
