首先，打开 MATLAB。打开 test_parallel.m文件。在 baseDir 变量中，指定 Raw Image Sequences 文件夹位置。
为变量 numOfSlice 分配图像序列总数，为 numOfImage 分配每个序列中的图像数。检查斑马鱼心脏中间平面的图像序列。确定序列中第一个和第四个收缩期的帧号，并将它们分配给变量 systolicpoint_1st 和 systolicpoint_4th。
单击“运行”以开始成像重建。下载 3D Cell Tracker Package 并设置 Python 环境。下载并打开 ITK-SNAP 注释软件。
在两个时间点手动标记 3D 心脏图像，一个在心室远端，另一个在心室收缩期间，以创建训练和验证数据集。在 Python 中，运行 3D 细胞追踪器训练程序。在训练单元 3D 函数中，初始化 noise_level、folder_path 和模型参数以设置预定义的 3D 单元模型。
在 MATLAB 中，使用 imageDimConverter。M 程序将训练和验证数据集转换并重命名为正确的格式以进行加载。在 Python 中，使用训练器。
load_dataset和培训师。draw_dataset函数分别加载训练数据集和验证数据集。然后运行 3D 细胞跟踪器培训计划的第一部分，并定义 3D 细胞分割的成像参数。
现在在 MATLAB 中，使用 imageDimConverter。m程序将所有3D心形图像转换并重命名为正确的格式，并将它们传输到数据文件夹。在 Python 中，运行 3D Cell Tracker 程序的第二部分以开始分割。
分割第一张 3D 图像后，将分割结果与原始图像进行比较。将更正后的分段移动到创建的手动卷 One 文件夹。在 Python 中，运行 3D 细胞跟踪器程序的第三部分以分割所有图像。
接下来，打开 Amira 软件并将跟踪细胞的位置与其相应的原始图像进行比较，以直观地评估跟踪结果。手动验证细胞跟踪结果数据，并在所有体积中选择具有一致图像强度的细胞。在 3D Slicer 软件中，使用单元格标签进行 OBJ.
IPYNB 脚本，生成曲面网格并为每个单元分配唯一的颜色代码。将每个 3D 模型导出为单个 OBJ 文件，其中包含多个子对象以及一个 MTL 文件来描述单元格标签。使用教育许可证将 3D 模型导入 Unity。
将包含用 C#Program 编写的函数的自定义脚本应用于 4D 可视化和交互式分析的模型和用户界面元素。
