JoVE Logo

S'identifier

Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.

Dans cet article

  • Résumé
  • Résumé
  • Introduction
  • Protocole
  • Résultats
  • Discussion
  • Déclarations de divulgation
  • Remerciements
  • matériels
  • Références
  • Réimpressions et Autorisations

Résumé

La taille et la forme des particules dans les boues activées sont des paramètres importants qui sont mesurés à l’aide de différentes méthodes. Imprécisions proviennent d’échantillonnage non représentatif, images sous-optimal et paramètres de l’analyse subjective. Pour minimiser ces erreurs et faciliter la mesure, nous présentons un protocole spécifiant toutes les étapes, y compris un pipeline de logiciels open source.

Résumé

Bioréacteurs expérimentaux, tels que ceux traitant des eaux usées, contiennent des particules dont la taille et forme sont des paramètres importants. Par exemple, la taille et la forme des flocs de boues activées peuvent indiquer les conditions à la micro-échelle et affectent également directement comment bien la boue s’installe dans un clarificateur.

Forme et la taille des particules sont les deux mesures de façon trompeuse « simples ». Nombreuses questions subtiles, souvent non adressées dans les protocoles de l’informels, peuvent survenir lors de l’échantillonnage, imagerie et l’analyse des particules. Méthodes d’échantillonnage pourraient être biaisées ou ne fournissent pas assez de puissance statistique. Les exemples eux-mêmes peuvent être mal conservés ou subir une altération au cours de l’immobilisation. Images peuvent ne pas être d’une qualité suffisante ; chevauchement des particules, profondeur de champ, grossissement et divers bruits peut tous fruits et légumes des résultats médiocres. Analyse mal spécifié peut introduire un biais, tel que celui produit par segmentation et seuillage d’image manuel.

Abordabilité et le débit sont souhaitables aux côtés de reproductibilité. Une méthode abordable, haut débit peut permettent de mesurer les particules plus fréquente, produisant beaucoup d’images contenant des milliers de particules. Une méthode qui utilise des réactifs peu coûteux, un microscope à dissection commun et logiciel d’analyse de source ouverte librement disponible permet reproductibles, accessibles, reproductibles et partiellement automatisée des résultats expérimentaux. En outre, le produit d’une telle méthode peut être correctement mise en forme, bien définies et facilement comprise par le logiciel d’analyse de données, les analyses de laboratoire au sein et partage des données entre laboratoires d’accélération.

Nous présentons un protocole qui détaille les étapes nécessaires pour produire un tel produit, y compris : prélèvement, préparation des échantillons et immobilisation dans la gélose, acquisition d’images numériques, analyse d’image numérique et des exemples de génération de la figure de l’expérience spécifique de la résultats de l’analyse. Nous avons également inclus un pipeline d’analyse de données open source pour prendre en charge ce protocole.

Introduction

Le but de cette méthode est de fournir une méthode bien définie, reproductible et partiellement automatisée pour déterminer la taille et la forme des distributions de particules dans des bioréacteurs, particulièrement celles qui contiennent des flocons de boues activées et granules aérobie1 , 2. la raison d’être de cette méthode étaient d’améliorer l’accessibilité, de simplicité, de débit et répétabilité de nos protocoles internes existantes3,4, faciliter la mesure des particules pour les autres et de faciliter le partage et comparaison des données.

Il existe deux grandes catégories d’analyse de mesure des particules - méthodes déductives et direct d’imagerie utilisant des qualités telles que la diffusion de la lumière5. Bien que les méthodes déductives peuvent être automatisées et disposer d’un débit important, l’équipement est coûteux. En outre, alors que les méthodes déductives peuvent déterminer avec précision la taille équivalente d’une particule6, ils ne fournissent pas de forme détaillée d’informations7.

En raison de la nécessité pour les données de forme, nous avons fondé notre méthode sur imagerie directe. Alors que certaines méthodes d’imagerie haut débit existent, ils ont traditionnellement requis matériel commercial coûteux ou des solutions sur mesure construit8,9. Notre méthode a été développée pour utiliser une commune et abordable matérielle et logicielle qui, bien que souffrant d’une réduction de débit, produit des images de particules beaucoup plus que le minimum nécessaire pour nombreuses analyses10.

Les protocoles actuels ne peuvent pas spécifier d’échantillonnage important et image acquisition étapes. Autres protocoles peuvent spécifier des étapes manuelles qui biaisent subjectifs (par exemple ad hoc seuillage11). Une méthode bien définie qui spécifie les étapes d’acquisition d’échantillonnage, immobilisation et image associés au logiciel d’analyse disponible gratuitement améliorera les analyse dans le laboratoire d’images et des comparaisons entre les laboratoires. Des principaux objectifs du présent protocole sont de fournir un flux de travail et des outils qui devraient aboutir à des résultats reproductibles de laboratoires différents pour le même échantillon.

En dehors de la normaliser le processus d’analyse de l’image, les données produites par ce pipeline sont enregistrées dans un fichier bien définis, bien formatée12 approprié pour l’usage de données populaires analyse paquets13,14, expérience d’accélération des analyses spécifiques (par exemple de génération personnalisée de la figure) et facilite partage des données entre laboratoires.

Ce protocole est proposé en particulier pour les chercheurs qui ont besoin de données de forme de particules, n’ont pas accès aux méthodes déductives, ne souhaitent pas développer leur propre pipeline de l’analyse d’image et souhaitent partager leurs données facilement avec d’autres

Protocole

1. prélever des échantillons pour l’analyse des particules

  1. Déterminer le volume de l’échantillon pour des réacteurs spécifiques permettant de produire des particules suffisantes pour l’analyse statistique10 (> 500) tout en évitant le chevauchement de la particule.
    1. Supposons qu’une gamme de 0.5 à 2 mL par échantillon de liqueur mixte est suffisante pour les échantillons de boues activées avec un solides de la liqueur mixte suspendu (MTSS) entre 250 et 5 000 mg/L.
    2. Sinon, préparez trois boîtes de gélose de test à l’aide de 0,5, 2 et 5 mL d’échantillon (étapes 1,2 par 2,7).
    3. Visuellement estimer qui (le cas échéant) des volumes d’échantillon meilleurs répondent aux critères énumérés à l’étape 1.1.
    4. Si les particules se chevauchent toujours pour l’échantillon de 0,5 mL, répéter les étapes 1.1.2 et 1.1.3). avec trois échantillons de 0,5 mL dilués avec un ajout de 0,5, 1 et 2 mL de tampon phosphate salin pour déterminer le degré auquel un échantillon de 0,5 mL doit être dilué avant l’étape 2.1.
      NOTE : Mesures 1.1 − 1.1.4 doivent uniquement être exécutée une fois par expérience, ou si le réacteur sommaire changement telles que les mesures ultérieures ne répondent plus aux critères énumérés à l’étape 1.1.
  2. Acquérir un échantillon représentatif d’une partie bien mélangé du réacteur en saisissant ~ 40 mL dans un bécher ou un tube de centrifugation de 50 mL, mélangeant doucement et verser immédiatement le volume de l’échantillon déterminé de la pince bien mélangé dans un tube à centrifuger 15 mL. Diluer l’échantillon, au besoin, tel que déterminé par étape 1.1.4.
    Remarque : Le protocole peut être suspendu ici et le filtrat peut être conservé au réfrigérateur (4 ° C) pendant 48 heures. Ne pas congeler l’échantillon.
    Attention: les supports de conservation courants (p. ex., formaldéhyde/formamide) ne conviennent pas. La grande surface de la plaque, en combinaison avec le contenant ouvert, la chaleur de la source lumineuse et potentiellement mal ventilé microscopie d’installation produire inutilement dangereux pour peu de gain en qualité d’image.

2. préparer des boîtes de gélose de particules colorées, immobilisées

  1. Ajouter 5 µL de bleu de méthylène 1 % (p/v) pour chaque échantillon, puis boucher et retourner doucement à 3 fois moins pour mélanger. Laisser des échantillons sur la tache au moins 5 mais pas plus de 30 minutes à température ambiante.
  2. Préparer environ 10 mL par échantillon d’agar de 7,5 % (p/v) dans l’eau désionisée.
    NOTE : Gélose peut produit avance et conserver indéfiniment si stérilisé. Agarose peut-être être remplacé, mais n’améliore pas considérablement les images.
  3. Faire fondre la gélose à l’aide d’un four à micro-ondes ou le bain-marie et laisser refroidir légèrement avant utilisation. Assurer l’agar est complètement fondu et coule facilement. Les globules solides d’agar seront tachera différemment, produisant des images de mauvaise qualité.
  4. Transfert suffisamment fondu agar de 7,5 % (p/v) dans le tube à centrifuger de porter le volume total de tube à entre 6,5 et 9 mL.
  5. Reboucher les tubes à centrifuger et retourner doucement au moins 3 fois pour mélanger.
  6. Tout en pointant le bouchon loin de soi-même ou dans une hotte, ouvrir le bouchon. Versez le contenu de tube dans un plastique de 100 mm boîte de pétri tout en poussant doucement le plat pour réaliser un revêtement complet, lisse et une distribution uniforme visuellement des particules.
    Attention : La chaleur de l’agar peut produire une légère surpression dans le tube. Souvent, cela produit un sifflement audible et a le potentiel d’expulser des petites gouttelettes d’agar chaud.
  7. Laisser les plaques refroidir à température ambiante pendant au moins 5 minutes, jusqu'à ce que l’agar se solidifie.
    Remarque : Le protocole peut être suspendu ici. Magasin plaqué inversé et fermés (par exemple, dans un sac plastique étanchéité ou avec le film de paraffine) pendant 48 heures au réfrigérateur (4 ° C).

3. acquérir des images de particules en utilisant un stéréomicroscope et appareil photo numérique

  1. Placer le visage découvert plaque vers le haut sur la platine du microscope d’un stéréomicroscope capable de 10 x à 20 x. Éclairer l’échantillon par en dessous avec même, diffuse la lumière à l’aide de matériel comme un support de projecteur LED ou une plaque lumineuse.
  2. Ouvrez le logiciel de capture d’image, vérifiez que le trajet optique microscope est défini sur la Photoet cliquez sur la caméra appropriée dans la liste de la caméra.
  3. Régler le microscope pour que plusieurs particules apparaissent dans le logiciel dans le plan focal à bords de grands et bien définies. Utiliser un grossissement de x 10-20 pour mesurer les particules tout en conservant un plan relativement profonds focal.
    1. Temporairement supprimer la gélose et placez le micromètre sur la scène. Ajuster la mise au point fine jusqu'à ce que les graduations sur le micromètre apparaissent très ciblées dans le logiciel de capture d’image.
    2. Si n’a pas été calibré, enregistrer le pixel micro ratio pour le grossissement actuel.
      1. Réglez le zoom à 100 % en cliquant sur Zoom > taille réelle et sélectionnez Options > calibrer puis aligner la barre de calibration rouge dans la fenêtre principale le long de l’axe longitudinal du micromètre, avec les barres verticales centrée sur 0 et 200 µm deux graduations. Dans la boîte de dialogue de calibration , entrez le niveau actuel de grossissement et longueur réelle de 200 µm.
    3. Si déjà étalonné select grossissement dans la barre de menu et select le grossissement actuel niveau et confirme l’étalonnage.
      1. Sélectionnez mesures > ligne > arbitraire ligne. Cliquez sur l’intersection de la graduation 0 et l’axe le plus long du micromètre. Cliquez à nouveau sur l’intersection à 200 et le long de l’axe. A bon étalonnage doit afficher environ 200 µm. supprimer la ligne en cliquant sur elle, en appuyant sur SUPPR, puis en appuyant sur Oui dans la boîte de confirmation.
        Remarque : Les instructions données pour la sélection de la caméra et l’étalonnage sont spécifiques au logiciel utilisé pour ce matériel. Des fonctions similaires devraient être disponibles dans d’autres logiciels d’imagerie. L’objectif est de déterminer le pixel ratio micron de l’image pour la mesure de taille de particules précis.
  4. Remplacez la gélose et réglez la mise au point fine pour atteindre le maximum de détails dans les logiciels d’imagerie.
  5. Adapter le logiciel d’imagerie afin que la qualité d’image maximale est obtenue.
    1. Augmenter le nombre de bits à la valeur maximale autorisée, en sélectionnant la case d’option dans le panneau de la Profondeur de Bit de l’encadré de la caméra . Configurez le logiciel pour acquérir des images en niveaux de gris en sélectionnant la case d’option appropriée dans le panneau Couleur/gris de l’encadré de la caméra .
    2. Effondrement des panneaux de barre latérale ouverte entre l’exposition et l’histogramme. Réduire le gain à 1.0 et augmenter l’exposition jusqu'à ce qu’une image claire apparaît dans la fenêtre d’affichage, et jusqu'à ce que l’histogramme apparaisse comme une distribution qui n’est pas coupée par des extrémités de la boîte de l’histogramme.
    3. Ajuster l’histogramme à éviter sur et sous-exposition. Dans le panneau histogramme de la barre latérale de caméra, faites glisser la limite gauche de l’histogramme à juste à l’extérieur les valeurs les plus faibles et la limite droite juste à l’extérieur les valeurs les plus élevées.
  6. Enregistrer l’image sous un TIFF non compressé, y compris les informations de grossissement dans les métadonnées de l’image, en utilisant le fichier > Enregistrer sous la boîte de dialogue, sélectionner le format TIFF et veiller à ce que la case enregistrer les informations de calibrage est vérifiée.
    Remarque : Enregistrer des métadonnées d’image, y compris la calibration spatiale, peut varier entre les programmes d’acquisition. Fidji15, le logiciel sous-jacent utilisé par le pipeline, comprend des variantes plus courantes. L’information importante à noter est la hauteur en pixels, la largeur et l’établissement associé.
  7. Utilisez soit une scène mobile ou déplacer manuellement la plaque elle-même, sélectionner une autre zone, qui ne se chevauche pas les images précédentes, suivant une trajectoire qui alternativement de gauche à droite et de droite à gauche comme l’un se déplace vers le bas de la plaque ; également connu sous le nom « tondeuse à gazon modèle recherche ». Répétez l’étape 3.6 jusqu'à ce que suffisamment images sont produites pour capturer au moins 500 particules estimées visuellement, plus sont meilleurs.
    NOTE : Modèles des solutions de rechange (par exemple., circulaire, au hasard) sont acceptables, mais doit être signalé. Acquisition de plusieurs images qui se chevauchent pour combinaison en une mosaïque via digital produit couture une taille de fichier résultante qui entrave considérablement la transformation en aval et les artefacts de couture peut-être être introduite et n’est pas recommandée.
  8. Conserver les plaques qu’après l’analyse d’images pour l’imagerie suivi éventuel. Après l’imagerie final, jeter le cas échéant de déchets biologiques.

4. mesurer et analyser les silhouettes de particules

  1. Installer les packages de logiciels d’analyse image requise
    1. Installer des Fidji (une version améliorée de la National Institutes of Health ImageJ v1.52e suivant les instructions au : https://imagej.net/Fiji/Downloads
    2. Installer git, si ce n’est pas déjà présent, en suivant les instructions à : https://git-scm.com/downloads
    3. Obtenir le code d’analyse de particules d’en clonant le git référentiel16.
      1. Sur la ligne de commande, récupérer la dernière version du code en tapant :
        git clone https://github.com/joeweaver/SParMorIA-Sludge-Particle-Morphological-Image-Analysis.git
        1. Installer le suivant de code analyse les instructions dans le fichier de texte README.md trouvées dans le répertoire racine du référentiel cloné.
          Remarque : Utiliser git est préférable, car il récupère automatiquement la dernière version du code. Si git n’est pas disponible, il est également possible de télécharger le code comme un fichier zip sur la page de publication à : https://github.com/joeweaver/SParMorIA-Sludge-Particle-Morphological-Image-Analysis/releases
    4. Éditer un fichier texte énumérant les répertoires à traiter, ainsi que des paramètres facultatifs. Voir le sous-répertoire exemples/analyse pour obtenir la liste des paramètres et des exemples.
  2. Exécutez l’analyse sur la ligne de commande en tapant :
    \ImageJ-win64.exe < Fidji-PATH >--console - macro SParMorIA-SludgeParticle_Morphological_Image_Analysis < paramsfile >
    où < Fidji-path > est le répertoire dans lequel se trouve le ImageJ-win64.exe et < paramsfile > l’emplacement du fichier texte décrivant la configuration de l’analyse
    Remarque : Le nom du fichier exécutable peut-être différer, selon lequel les Fidji de système d’exploitation est installé sur. Selon le nombre et la taille des images, l’analyse peut prendre quelques minutes à heures et s’exécutera automatiquement.
  3. Effectuer un contrôle de qualité
    1. Examinez les fichiers de contrôle de qualité situés dans le sous-répertoire de superposition de répertoire de sortie spécifié. Notez les images avec des particules capturées fallacieux, manqués et mal, tout apparents sous forme de contours ombrés qui ne correspondent pas à l’arrière-plan. Reportez-vous à la Figure 3 pour obtenir des exemples d’un tel. Les données sur les particules sont maintenant prêtes pour la production de figure d’analyse de l’expérience spécifique.
  4. Rejeter les plaques entières ou des particules individuelles en spécifiant dans le code d’analyse les fichiers indiqués et/ou les particules ID est ignoré. Se reporter aux exemples/censurer dans le référentiel de code correspondant de R et Python.
  5. Générer des expérience de chiffres précis à l’aide des résultats de l’analyse d’image pour chaque image sont stockées dans un fichier de texte séparé par des virgules TIDY12 dans le sous-répertoire résultats du répertoire de sortie spécifié. Voir les exemples/chiffres/R et exemples/chiffres/Python sous-répertoires pour obtenir des exemples de comment lire les fichiers de résultats.

Résultats

Fichiers générés
Le processus illustré dans la Figure 1 produira deux fichiers par image analysée. Le premier fichier est une virgule séparées fichier CSV (valeurs) texte où chaque ligne correspond à une particule individuelle et les colonnes décrivent diverses métriques de particules telles que zone circularité et solidité et définies dans le manuel de ImageJ17. Exemples de fichiers CSV sont inclus co...

Discussion

Bien que le système de l’analyse d’image est assez robuste et QC mesures sont prises pour s’assurer que les pauvres images sont supprimées, l’attention à des questions spécifiques à l’échantillonnage, la préparation de la plaque et acquisition d’images peut améliorer tant l’exactitude des données et la proportion de images en passant de QC.

Concentration d’échantillonnage
En supposant qu’un échantillon représentatif a été pris, l’étape la ...

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Ce travail a été soutenu par une subvention de la National Science Foundation CBET 1336544.

Les logos de Fidji, R et Python sont utilisés avec l’en conformité avec les politiques de marques suivantes :
Python : https://www.python.org/psf/trademarks/
R: https://www.r-project.org/Logo/ , conformément à la licence CC-BY-SA 4.0 répertoriée au : https://creativecommons.org/Licenses/by-sa/4.0/
Fidji : https://imagej.net/Licensing

matériels

NameCompanyCatalog NumberComments
10% Bleach solutionChlorox31009For workspace disinfection.
15 mL centrifuge tube with capCorning430790Per sample.
50 mL Erlenmeyer flaskCorning4980-50Other vessels are suitable so long as they can contain > 40 mL of sample and allow mixing
500 mL Kimax BottleKimble-Chase14395-50Or otherwise sufficient for agar handling
AgarBD214010Solid, to prepare 7.5% gel. 7 mL per sample.
Data analysis softwareN/AN/AR or Python are suggested
Deionized waterN/AN/ASufficient to prepare stain and agar. If unavailable, tap should be fine.
Desktop computerN/AN/AImage analysis is not CPU intensive, any 'ordinary' desktop computer circa 2017 should be sufficient.
External hard driveSeagateSTEB5000100Not fully required, but extremely useful given the number an size of images. 2 or more TB of storage suggested.
FIJINIHversion 1.51dVersion is ImageJ core. Plugins are updated as of writing. Available at: https://imagej.net/Fiji/Downloads
GITOpen Sourceversion 2.19.1 or laterAvailable at: https://git-scm.com/
Image capture softwareToupViewversion 3.7.5177Any compatible with camera, may come with camera. Should allow saving TIFF images with spatial calibration data.
Mechanical (X/Y) StageOMAXA512Not fully required, but greatly aids image acquisition.
Methylene blueFisherM291-100Solid, to prepare 1% w/v solution. 5 uL solution per sample.
Microscope cameraOMAXA35140UAny digitial camera compatible with microscope. Resolution providing at least 5 um per pixel at 10x magnification and a dynamic range of at least 8 bits per pixel per color channel is suggested.
Optical Stage MicrometerOMAXA36CALM1Or otherwise sufficient for spatial calibration.
Petri dish, 100 mmFisherFB08757121 per sample.
PPEN/AN/AStandard lab coat, gloves, and eyewear.
Sparmoria macroNCSUversion 0.2.1Available at github repository : https://github.com/joeweaver/SParMorIA-Sludge-Particle-Morphological-Image-Analysis
Stereo/dissecting microscopeNikonSMZ-2TShould provide 10 to 20x magnficiation and allow digital photos either with a buit-in camera or profide a mounting point for a CCD.

Références

  1. Show, K. Y., Lee, D. J., Tay, J. H. Aerobic granulation: Advances and challenges. Applied Biochemistry and Biotechnology. 167 (6), 1622-1640 (2012).
  2. Adav, S. S., Lee, D. -. J., Show, K. -. Y., Tay, J. -. H. Aerobic granular sludge: Recent advances. Biotechnology Advances. 26 (5), 411-423 (2008).
  3. Initial Investigations of Aerobic Granulation in an Annular Gap Bioreactor. North Carolina State University Available from: https://repository.lib.ncsu.edu/handle/1840.16/2162 (2004)
  4. . Effect of Hydrodynamics on Aerobic Granulation Available from: https://repository.lib.ncsu.edu/handle/1840.16/8761 (2012)
  5. Tay, J. H., Liu, Q. S., Liu, Y. Microscopic observation of aerobic granulation in sequential aerobic sludge blanket reactor. Journal of Applied Microbiology. 91 (1), 168-175 (2001).
  6. Kelly, R. N., et al. Graphical Comparison of Image Analysis and Laser Diffraction Particle Size Analysis Data Obtained From the Measurements of Nonspherical Particle Systems. AAPS Pharm SciTech. 7 (3), E1-E14 (2006).
  7. Walisko, R., et al. The Taming of the Shrew -Controlling the Morphology of Filamentous Eukaryotic and Prokaryotic Microorganisms. Advances in Biochemical Engineering/Biotechnology. 149, 1-27 (2015).
  8. Campbell, R. A. A., Eifert, R. W., Turner, G. C. Openstage: A Low-Cost Motorized Microscope Stage with Sub-Micron Positioning Accuracy. PLoS ONE. 9 (2), e88977 (2014).
  9. Dias, P. A., et al. Image processing for identification and quantification of filamentous bacteria in in situ acquired images. BioMedical Engineering OnLine. 15 (1), 64 (2016).
  10. Liao, J., Lou, I., de los Reyes, F. L. Relationship of Species-Specific Filament Levels to Filamentous Bulking in Activated Sludge. Applied and Environmental Microbiology. 70 (4), 2420-2428 (2004).
  11. Cromey, D. W. Avoiding twisted pixels: ethical guidelines for the appropriate use and manipulation of scientific digital images. Science and Engineering Ethics. 16 (4), 639-667 (2010).
  12. Wickham, H. Tidy Data. Journal of Statistical Software. 59 (10), (2014).
  13. van Rossum, G. . Python tutorial. , (1995).
  14. Schindelin, J., Arganda-Carreras, I., Frise, E. FIJI: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  15. . SParMorIA: Sludge Particle Morphological ImageAnalysis Available from: https://github.com/joeweaver/SParMorIA-Sludge-Particle-Morphological-Image-Analysis (2018)
  16. Ferreira, T., Rasband, W. . ImageJ User Guide: IJ 1.42 r. , (2012).
  17. Sezgin, M., Sankur, B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging. 13 (1), 146-166 (2004).
  18. Kröner, S., Doménech Carbó, M. T. Determination of minimum pixel resolution for shape analysis: Proposal of a new data validation method for computerized images. Powder Technology. 245, 297-313 (2013).
  19. McKinney, W. Data Structures for Statistical Computing in Python. Proceedings of the 9th Python in Science Conference. , 51-56 (2010).
  20. Waskom, M., et al. . seaborn: v0.5.0 (November 2014). , (2014).
  21. . dplyr: A Grammar of Data Manipulation Available from: https://cran.r-project.org/web/packages/dplyr/index.html (2016)
  22. Riley, R. S., Ben-Ezra, J. M., Massey, D., Slyter, R. L., Romagnoli, G. Digital Photography: A Primer for Pathologists. Journal of Clinical Laboratory Analysis. 18 (2), 91-128 (2004).
  23. Singh, S., Bray, M. A., Jones, T. R., Carpenter, A. E. Pipeline for illumination correction of images for high-throughput microscopy. Journal of Microscopy. 256 (3), 231-236 (2014).
  24. Eastwood, B. S., Childs, E. C. Image Alignment for Multiple Camera High Dynamic Range Microscopy. Proceedings. IEEE Workshop on Applications of Computer Vision. , 225-232 (2012).
  25. High Dynamic Range Microscopy for Cytopathological Cancer Diagnosis. IEEE Journal of Selected Topics in Signal Processing (Special Issue on: Digital Image Processing Techniques for Oncology) Available from: https://www.lfb.rwth-aachen.de/en/ (2009)
  26. Jain, V., et al. Supervised Learning of Image Restoration with Convolutional Networks. 2007 IEEE 11th International Conference on Computer Vision. , 1-8 (2007).

Réimpressions et Autorisations

Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE

Demande d’autorisation

Explorer plus d’articles

Sciences de l environnementquestion 143Digital image analysetaille des particulesparticules shpeboues activ esboue granulaireflocmorphologiemicroscopielogicielFidji

This article has been published

Video Coming Soon

JoVE Logo

Confidentialité

Conditions d'utilisation

Politiques

Recherche

Enseignement

À PROPOS DE JoVE

Copyright © 2025 MyJoVE Corporation. Tous droits réservés.