CellProfiler
 | |
| Deweloperzy | Anne E. Carpenter , Thouis Jones, Lee Kamentsky, Allen Goodman, Claire McQuin i inni ( Broad Institute ) |
|---|---|
| Wersja stabilna | 4.2.1 / 22 lipca 2021 r.
|
| Magazyn | |
| System operacyjny | Dowolny ( oparty na Pythonie ) |
| Typ | Przetwarzanie obrazu i analiza obrazu |
| Licencja | BSD 3-klauzula |
| Strona internetowa | |
CellProfiler to bezpłatne oprogramowanie typu open source , które umożliwia biologom bez przeszkolenia w zakresie widzenia komputerowego lub programowania automatyczne ilościowe mierzenie fenotypów na podstawie tysięcy obrazów. Zaawansowane algorytmy analizy obrazu są dostępne jako pojedyncze moduły, które można ustawić w kolejności sekwencyjnej, tworząc potok ; rurociąg jest następnie używany do identyfikacji i pomiaru obiektów biologicznych i cech na obrazach, szczególnie tych uzyskanych za pomocą mikroskopii fluorescencyjnej .
Dystrybucje są dostępne dla systemów Microsoft Windows , macOS i Linux . Kod źródłowy CellProfiler jest dostępny bezpłatnie. CellProfiler jest rozwijany przez Broad Institute .
Cechy
CellProfiler może odczytywać i analizować większość popularnych formatów obrazów mikroskopowych. Biolodzy zazwyczaj używają CellProfiler do identyfikacji interesujących obiektów (np. komórek, kolonii, C. elegans ), a następnie do pomiaru ich właściwości. Specjalistyczne moduły do korekcji oświetlenia mogą być stosowane jako etap wstępnego przetwarzania w celu usunięcia zniekształceń spowodowanych nierównomiernym oświetleniem. Identyfikacja obiektów ( segmentacja ) odbywa się poprzez uczenie maszynowe lub progowanie obrazu , rozpoznawanie i dzielenie skupionych obiektów oraz usuwanie lub łączenie obiektów na podstawie rozmiaru lub kształtu. Użytkownik może dostosować każdy z tych etapów do swojego unikalnego testu obrazu.
Dla każdej zidentyfikowanej komórki lub przedziału subkomórkowego można wygenerować szeroką gamę pomiarów, w tym między innymi morfologię , intensywność i teksturę . Pomiary te są dostępne za pomocą wbudowanych narzędzi do przeglądania i kreślenia danych, eksportu w formacie arkusza kalkulacyjnego rozdzielonego przecinkami lub importu do bazy danych MySQL lub SQLite .
CellProfiler współpracuje z wysokowydajnymi bibliotekami naukowymi NumPy i SciPy do wielu operacji matematycznych, biblioteką Bio-Formats konsorcjum Open Microscopy Environment Consortium do odczytu ponad 100 formatów plików graficznych, ImageJ do korzystania z wtyczek i makr oraz ilastik do klasyfikacji opartej na pikselach . Zaprojektowany i zoptymalizowany pod kątem dużej liczby dwuwymiarowych obrazów (najpopularniejszy format obrazów rastrowych o dużej zawartości), CellProfiler obsługuje analizę eksperymentów na małą skalę i filmów poklatkowych .
Historia
CellProfiler został wydany w grudniu 2005 roku przez naukowców z Whitehead Institute for Biomedical Research i Massachusetts Institute of Technology . Obecnie jest rozwijany i utrzymywany przez Cimini Lab w Imaging Platform of the Broad Institute .
Pierwotnie opracowany w MATLAB , został ponownie napisany w Pythonie i wydany jako CellProfiler 2.0 w 2010 roku. Wersja 3.0, obsługująca analizę wolumetryczną stosów obrazów 3D i opcjonalne moduły głębokiego uczenia, została wydana w październiku 2017 roku. CellProfiler 4.0 został wydany we wrześniu 2020 roku i koncentruje się na szybkości, użyteczności i ulepszeniach narzędzi, z najbardziej godnym uwagi przykładem migracji do Pythona 3.
Wspólnota
Ponieważ CellProfiler to darmowy projekt typu open source , każdy może opracować własne algorytmy przetwarzania obrazu jako nowy moduł CellProfiler i wnieść go do projektu. Witryna CellProfiler zawiera forum dyskusyjne, na którym nowi użytkownicy mogą uzyskać odpowiedzi na swoje pytania, zazwyczaj od twórców projektu.
