体电子显微镜数据集的细胞器特异性分割、空间分析与可视化
计算机视觉与模式识别
2023-03-08 v1 机器学习
定量方法
摘要
体电子显微镜是在纳米尺度上对细胞超微结构进行原位探究的首选方法。近期技术进展导致大型原始图像数据集迅速增加，亟需用于分割与空间分析的计算策略。在本方案中，我们描述了一种实用且标注高效的流程，利用可在单台标准工作站上运行的免费、用户友好的软件工具，对大型体电子显微镜数据集进行细胞器特异性分割、空间分析与可视化。我们特别面向计算经验有限的生命科学研究人员，他们在体电子显微镜项目中面临以下任务：i) 如何在最小化人工标注工作的同时为不同类型细胞器生成 3D 分割标签；ii) 如何分析细胞器实例间的空间相互作用；iii) 如何最佳地可视化 3D 分割结果。为满足这些需求，我们给出了针对特定细胞器选择最有效分割工具的详细指南。此外，我们提供了易于执行的空间分析与 3D 渲染组件，并弥合了免费开源工具之间的兼容性问题，使他人能够从原始数据集复现我们直至最终图表与渲染图像的完整流程。我们相信，我们的详细描述可作为类似项目的宝贵参考，这些项目需要针对单或多个细胞器分析的特殊策略，且可利用单用户环境普遍具备的计算资源实现。
引用
@article{arxiv.2303.03876,
title = {Organelle-specific segmentation, spatial analysis, and visualization of volume electron microscopy datasets},
author = {Andreas Müller and Deborah Schmidt and Lucas Rieckert and Michele Solimena and Martin Weigert},
journal= {arXiv preprint arXiv:2303.03876},
year = {2023}
}