Oberflächenmessungen

Oberflächenmessungen#

In diesem Notebook zeigen wir, wie man Oberflächen-/Vertex-Messungen in einer Tabelle abrufen und auf der Oberfläche visualisieren kann. Die verwendeten Beispieldaten sind eine Ableitung von AV Luque und JV Veenvliet (2023), lizenziert unter CC-BY. Siehe das creating_surfaces Notebook für die Erstellung der Oberfläche aus Rohdaten der Bildgebung.

Siehe auch

import napari
import matplotlib.pyplot as plt
from napari.utils import nbscreenshot
import numpy as np
import vedo
from napari_process_points_and_surfaces import add_curvature, Curvature, spherefitted_curvature
import napari_process_points_and_surfaces as nppas

import vedo

viewer = napari.Viewer(ndisplay=3)
viewer.camera.angles = (40, -30, 55)

surface = nppas.gastruloid()

The nppas gastruloid example is derived from AV Luque and JV Veenvliet (2023) which is licensed CC-BY (https://creativecommons.org/licenses/by/4.0/legalcode) and can be downloaded from here: https://zenodo.org/record/7603081

Oberflächenvisualisierung#

Die Oberfläche selbst kommt ohne Quantifizierung. Sie sieht so aus:

surface

nppas.SurfaceTuple

origin (z/y/x)	[0. 0. 0.]
center of mass(z/y/x)	57.561,308.175,440.144
scale(z/y/x)	1.000,1.000,1.000
bounds (z/y/x)	13.983...112.865 110.951...460.844 168.949...807.707
average size	171.204
number of vertices	3324
number of faces	6643

Quantifizierung#

Wir können eine Tabelle (pandas Dataframe) wie folgt erstellen.

requested_measurements = [nppas.Quality.AREA, 
                          nppas.Quality.ASPECT_RATIO,
                          nppas.Quality.GAUSS_CURVATURE, 
                          nppas.Quality.MEAN_CURVATURE,
                          nppas.Quality.SPHERE_FITTED_CURVATURE_DECA_VOXEL,
                          nppas.Quality.SPHERE_FITTED_CURVATURE_HECTA_VOXEL,
                          nppas.Quality.SPHERE_FITTED_CURVATURE_KILO_VOXEL,
                         ]

df = nppas.surface_quality_table(surface, requested_measurements)
df

	vertex_index	Quality.AREA	Quality.ASPECT_RATIO	Quality.GAUSS_CURVATURE	Quality.MEAN_CURVATURE	Quality.SPHERE_FITTED_CURVATURE_DECA_VOXEL	Quality.SPHERE_FITTED_CURVATURE_HECTA_VOXEL	Quality.SPHERE_FITTED_CURVATURE_KILO_VOXEL
0	0	29.997389	1.600400	0.030287	0.000490	0.000691	0.000257	0.000019
1	1	46.087046	1.602183	0.011136	0.000018	NaN	0.000250	0.000019
2	2	35.886338	1.400599	0.012633	0.000142	0.000542	0.000253	0.000019
3	3	22.887296	1.751932	0.036979	0.000548	0.000339	0.000379	0.000019
4	4	29.952347	1.220882	0.010277	0.000047	0.000366	0.000391	0.000019
...	...	...	...	...	...	...	...	...
3319	3319	25.079661	1.340802	0.031878	0.000606	0.001081	0.000168	0.000019
3320	3320	47.213916	1.254924	0.004615	0.000003	NaN	0.000169	0.000019
3321	3321	35.964707	1.140267	0.015661	0.000198	0.000547	0.000163	0.000019
3322	3322	45.673529	1.189562	0.011380	0.000100	0.000026	0.000152	0.000019
3323	3323	30.105530	1.151230	0.014396	0.000190	0.000158	0.000163	0.000019

3324 rows × 8 columns

Um einen Überblick über die Messungen zu erhalten, können wir sie zusammenfassen:

df.describe().T

	count	mean	std	min	25%	50%	75%	max
vertex_index	3324.0	1661.500000	959.700474	0.000000e+00	830.750000	1661.500000	2492.250000	3323.000000
Quality.AREA	3324.0	33.753233	10.790780	5.677486e+00	26.694735	32.956835	39.255080	125.564101
Quality.ASPECT_RATIO	3324.0	7.126810	89.909602	1.038034e+00	1.292444	1.437911	1.648299	3421.965459
Quality.GAUSS_CURVATURE	3324.0	0.016958	0.035275	-1.031106e+00	0.005509	0.013645	0.024739	0.348243
Quality.MEAN_CURVATURE	3324.0	0.000383	0.007653	-2.803460e-02	-0.000135	0.000010	0.000270	0.426018
Quality.SPHERE_FITTED_CURVATURE_DECA_VOXEL	2750.0	0.002875	0.004761	1.791201e-09	0.000341	0.001004	0.003054	0.043508
Quality.SPHERE_FITTED_CURVATURE_HECTA_VOXEL	3324.0	0.000258	0.000069	1.516446e-04	0.000214	0.000241	0.000275	0.000545
Quality.SPHERE_FITTED_CURVATURE_KILO_VOXEL	3324.0	0.000019	0.000000	1.853513e-05	0.000019	0.000019	0.000019	0.000019

Wir können eine einzelne Spalte aus der Tabelle als Liste extrahieren.

curvature = list(df['Quality.SPHERE_FITTED_CURVATURE_HECTA_VOXEL'])
curvature[:5]

[0.0002572409502622459,
0002504286604301336,
00025319922419934937,
00037887302369609083,
00039058361737075804]

Visualisierung der Messungen#

Um die Messungen zu visualisieren, müssen wir sie an die Oberfläche anhängen:

quantified_surface = nppas.set_vertex_values(surface, curvature)
quantified_surface