นักพัฒนา | โก้ สุกาวาระ |
ฟอรั่ม | ฟอรัม Image.sc กรุณาโพสต์ข้อเสนอแนะและคำถามในฟอรั่ม สิ่งสำคัญคือต้องเพิ่มแท็ก elephant ในโพสต์ของคุณเพื่อให้เราสามารถติดต่อคุณได้อย่างรวดเร็ว |
ซอร์สโค้ด | GitHub |
สิ่งตีพิมพ์ | Sugawara, K., çevrim, C. & Averof, M. ติดตามการสืบเชื้อสายของเซลล์ในแบบ 3 มิติโดยการเรียนรู้เชิงลึกแบบเพิ่มหน่วย อีไลฟ์ 2022 ดอย:10.7554/eLife.69380 |
ELEPHANT เป็นแพลตฟอร์มสำหรับการติดตามเซลล์ 3 มิติ โดยอาศัยการเรียนรู้เชิงลึกแบบอินเทอร์แอคทีฟและเชิงโต้ตอบ
มันทำงานบนสถาปัตยกรรมไคลเอนต์-เซิร์ฟเวอร์ เซิร์ฟเวอร์ถูกสร้างขึ้นเป็นเว็บแอปพลิเคชันที่ให้บริการอัลกอริธึมการเรียนรู้เชิงลึก
พื้นที่เก็บข้อมูลนี้จัดให้มีการใช้งานเซิร์ฟเวอร์ ELEPHANT ไคลเอนต์ ELEPHANT สามารถพบได้ที่นี่
โปรดดูเอกสารประกอบสำหรับรายละเอียด
มีสามตัวเลือกในการตั้งค่าเซิร์ฟเวอร์ ELEPHANT
การตั้งค่าด้วย Docker
แนะนำให้ใช้ตัวเลือกนี้หากคุณมีคอมพิวเตอร์ที่มีประสิทธิภาพซึ่งตรงตามข้อกำหนดของเซิร์ฟเวอร์ (นักเทียบท่า) ที่มีสิทธิ์ใช้งานรูท
การตั้งค่าด้วยความเป็นเอกเทศ
แนะนำให้ใช้ตัวเลือกนี้หากคุณสามารถเข้าถึงคอมพิวเตอร์ที่มีประสิทธิภาพซึ่งตอบสนองความต้องการของเซิร์ฟเวอร์ (ภาวะเอกฐาน) ในฐานะผู้ใช้ที่ไม่ใช่รูท (เช่น คลัสเตอร์ HPC)
การตั้งค่าด้วย Google Colab
หรือคุณสามารถตั้งค่าเซิร์ฟเวอร์ ELEPHANT ด้วย Google Colab ซึ่งเป็นผลิตภัณฑ์ที่ให้บริการฟรีจาก Google Research ในตัวเลือกนี้ คุณไม่จำเป็นต้องมี GPU ระดับไฮเอนด์หรือเครื่อง Linux เพื่อเริ่มใช้ความสามารถในการเรียนรู้เชิงลึกของ ELEPHANT
คำแนะนำโดยละเอียดสำหรับแต่ละตัวเลือกมีอยู่ในเอกสารประกอบ
โปรดอ้างอิงบทความของเราเกี่ยวกับ 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 }
}
BSD-2-ข้อ