Skip to main content
Ctrl+K
Logo image Logo image

Site Navigation

  • 预告片：使用Python进行生物图像分析
  • 设置你的计算机
  • Python 基础
  • 编写可持续的代码
  • 图像分析基础
  • 图像文件格式
  • 远程文件
  • 机器学习基础
  • 3D图像可视化
  • 图像滤波
  • 图像反卷积
  • 空间变换
  • 图像分割
  • 机器学习用于图像分割
  • 基于深度学习的图像分割
  • 分割后处理
  • 斑点检测
  • 表面处理
  • 特征提取
  • 组织中的邻域分析
  • 细胞分类
  • 共定位
  • 算法验证
  • 模拟数据
  • 高级 Python 编程
  • GPU加速图像处理
  • 图形用户界面
  • 图像分块处理
  • 术语表
  • 版本说明

Site Navigation

  • 预告片：使用Python进行生物图像分析
  • 设置你的计算机
  • Python 基础
  • 编写可持续的代码
  • 图像分析基础
  • 图像文件格式
  • 远程文件
  • 机器学习基础
  • 3D图像可视化
  • 图像滤波
  • 图像反卷积
  • 空间变换
  • 图像分割
  • 机器学习用于图像分割
  • 基于深度学习的图像分割
  • 分割后处理
  • 斑点检测
  • 表面处理
  • 特征提取
  • 组织中的邻域分析
  • 细胞分类
  • 共定位
  • 算法验证
  • 模拟数据
  • 高级 Python 编程
  • GPU加速图像处理
  • 图形用户界面
  • 图像分块处理
  • 术语表
  • 版本说明
Logo image Logo image
Ctrl+K
  • 生物图像分析笔记本

Basics

  • 预告片：使用Python进行生物图像分析
  • 设置你的计算机
  • Python 基础
    • Jupyter笔记本中的Python代码
    • Python中的基础数学运算
    • 使用Jupyter笔记本时的陷阱
    • 列表和元组
    • 裁剪列表
    • 排序列表
    • 字典
    • 函数
    • 导入函数和包
  • 编写可持续的代码
    • 编写优质代码
    • 避免魔法数字
    • 分而治之
    • 不要重复自己
    • 保持简短和简单
  • 图像分析基础
    • 图像是数字数组
    • 亮度和对比度
    • 图像计算
    • 裁剪图像
    • 索引numpy数组
    • 多通道图像数据
  • 图像文件格式
    • 打开图像数据
    • 使用AICSImageIO读取文件
    • 打开CZI文件
    • 打开LIF文件
    • 加载多通道/多位置的tif文件夹
    • 平铺图像文件格式：zarr
    • 图像文件格式的优缺点
  • 远程文件
    • 访问nextcloud中的图像文件
    • 探索图像数据资源
    • 访问Zenodo上的元数据
    • 从DOI.org读取元数据
  • 机器学习基础
    • 监督式机器学习
    • 无监督机器学习
    • 缩放
  • 3D图像可视化
    • 多维图像堆栈
    • 使用pyclesperanto检查3D图像数据
    • 使用napari进行交互式图像可视化
  • 图像滤波
    • 图像处理滤波器
    • 滤波概览
    • 卷积
    • 降噪滤波器
    • 背景去除滤波器
    • 高斯除法
    • 边缘检测
    • 使用SimpleITK处理图像
  • 图像反卷积
    • 图像反卷积简介
    • 通过平均法从珠子图像中确定点扩散函数
    • OpenCL兼容GPU上的Richardson-Lucy反卷积
  • 空间变换
    • 缩放
    • 使用scikit-image进行仿射变换
    • 使用Scipy进行仿射变换
    • 使用cupy进行仿射变换
    • 使用clesperanto进行仿射变换
    • 缩放坐标列表
    • 图像拼接

Image Segmentation

  • 图像分割
    • 术语
    • 图像二值化
    • 分离接触的对象
    • 高斯-大津-标记
    • 接触物体标记
    • Voronoi-Otsu标记
    • 二值图像上的Voronoi-Otsu标记
    • 侵蚀Otsu标记
    • 基于膜的细胞分割的种子分水岭方法
    • 防止标签泄漏
    • 3D图像分割
  • 机器学习用于图像分割
    • 使用Scikit-learn进行像素分类
    • 在OpenCL兼容的GPU上进行对象分割
    • 在支持OpenCL的GPU上进行像素分类
    • 在Napari中进行交互式像素分类和对象分割
    • 多通道图像中的像素分类
    • 概率图
    • 从图像文件夹训练像素分类器
    • 生成特征堆栈
    • 选择特征
  • 基于深度学习的图像分割
  • 分割后处理
    • 使用形态学操作对二值图像进行后处理
    • 标签图像优化
    • 平滑标签
    • 分离接触对象
    • 用于修正语义分割结果的众数滤波器
    • 合并标签
    • 合并注释标签
    • 根据质心距离合并标签
    • 根据边缘到边缘距离合并标签
    • 使用机器学习合并对象
    • 移除图像边缘的标签
    • 根据大小选择标签
    • 使用机器学习选择标签
    • 识别接触背景的标签
    • 修改组织边界
    • 顺序对象（重新）标记
    • 标签边缘
    • 内部和外部细胞边界
    • 基于膜的细胞分割后处理
  • 斑点检测
    • 局部极大值检测
    • 斑点检测
  • 表面处理
    • 创建表面
    • 可视化表面
    • 保存和加载表面
    • 平滑和简化表面
    • 表面上的连通组件标记
    • 转换点和表面
    • 从表面数据到图像数据
    • 表面测量
    • 使用vedo在napari中进行表面质量测量

Quantitative analysis

  • 特征提取
    • 定量图像分析
    • 计数图像中的亮对象
    • 使用pyclesperanto进行基础统计
    • 使用Scikit-image进行统计分析
    • 使用Nyxus进行统计
    • 比较不同库的测量结果
    • 测量标签边界的强度
    • 图像中[多条]线的描述性统计
    • 基于邻域图的形状描述符
    • 测量对象之间的距离
    • 测量到中心线的距离
  • 组织中的邻域分析
    • 计数接触邻居
    • 标签的区域属性
    • 绘制邻居间的距离网格
    • 测量到另一个标签图像中细胞的距离
    • 计算其他标签图像中的近邻标签数
    • 三维邻居网格
    • 标记邻居过滤器
  • 细胞分类
    • 在OpenCL兼容GPU上进行对象分类
    • Napari中的交互式对象分类
    • 随机森林决策统计
    • 使用APOC和基于SimpleITK的特征进行对象分类
  • 共定位
    • 根据信号强度区分细胞核
  • 算法验证
    • 图像分割质量测量
    • 场景:比较同一阈值算法的不同实现
    • 可视化标记比较
    • Jaccard指数与准确率的比较
  • 模拟数据
    • 图像形成和图像恢复的模拟

Advanced techniques

  • 高级 Python 编程
    • 自定义库
    • 函数式参数
    • 偏函数
    • 并行化
    • 使用numba进行并行化
  • GPU加速图像处理
    • clEsperanto
    • 为什么GPU加速是有意义的
    • 追踪内存消耗
    • 进一步阅读
  • 图形用户界面
    • 使用napari进行交互式图像可视化
    • 使用napari和magicgui进行交互式参数调整
    • 在napari中可视化区域属性
    • Napari中的粉虱胚胎形态测量随时间变化
    • 使用napari进行交互式裁剪
  • 图像分块处理
    • 分块图像处理,快速概览
    • 瓦片中的连通分量标记
    • 在图块中映射对象面积
    • 计算瓦片中的细胞核数量

Appendix

  • 术语表
  • 版本说明
  • repository
  • open issue
  • .md

组织中的邻域分析

组织中的邻域分析#

另请参阅

  • 从鼠结肠纤维状胶原的二次谐波生成(SHG)图像中分析结肠隐窝的空间组织

  • squidpy

previous

测量到中心线的距离

next

计数接触邻居

By Robert Haase, Guillaume Witz, Miguel Fernandes, Marcelo Leomil Zoccoler, Shannon Taylor, Mara Lampert, Till Korten & add-your-name-here-by-sending-a-pull-request-containing-a-notebook

Last updated on None.

Copyright: Licensed CC-BY 4.0 and BSD3 unless mentioned otherwise. Contribution and feedback welcome.