MicroAnalyzer：基于荧光显微镜的细菌自动分析 Python 工具
计算机视觉与模式识别
2020-09-29 v1 机器学习
图像与视频处理
摘要
荧光显微镜是细胞生物学家研究荧光蛋白定位与共定位的常用方法。对于微生物细胞生物学家而言，这类研究通常包含繁琐且耗时的细菌及荧光簇手动分割，或需使用多个程序。在此，我们提出 MicroAnalyzer——一个通过提供端到端显微镜图像分析平台来实现这些任务自动化的工具。尽管此类工具确实存在，但它们往往是昂贵且黑盒化的程序。MicroAnalyzer 为这些工具提供了开源替代方案，允许高级用户进行灵活扩展。MicroAnalyzer 基于最先进的深度学习分割模型，结合专用后处理及开源细胞图像分析工具 Colicoords（用于计算一般细胞与荧光测量值），提供准确的细胞与荧光簇分割。由于神经网络的动态特性可快速适应实验限制与假设，这些方法优于通用方法。其他现有工具既不考虑实验假设，也无法在无需任何专用设备的情况下提供荧光簇检测。MicroAnalyzer 的关键目标是实现细胞与荧光图像分析“从显微镜到数据库”的全流程自动化，即除初始深度学习模型训练外，无需研究者任何进一步输入。如此，它使研究者能专注于宏观问题，而非细粒度、伤眼的劳作。
引用
@article{arxiv.2009.12684,
title = {MicroAnalyzer: A Python Tool for Automated Bacterial Analysis with Fluorescence Microscopy},
author = {Jonathan Reiner and Guy Azran and Gal Hyams},
journal= {arXiv preprint arXiv:2009.12684},
year = {2020}
}