まず、MATLAB を開きます。test_parallel.mファイルを開きます。baseDir 変数で、Raw 画像シーケンスフォルダーの場所を指定します。
変数 numOfSlice にイメージ シーケンスの総数を、numOfImage に各シーケンスのイメージ数を代入します。ゼブラフィッシュの心臓の中央面の画像シーケンスを調べます。シーケンス内の第 1 収縮筋と第 4 収縮期のフレーム番号を特定し、それらを変数 systolicpoint_1st と systolicpoint_4th に割り当てます。
[実行]をクリックして、イメージング再構成を開始します。3D Cell Tracker パッケージをダウンロードし、Python 環境をセットアップします。ITK-SNAP Annotation Softwareをダウンロードして開きます。
心室遠位と心室収縮の 2 つの時点の 3D 心臓画像に手動でラベルを付け、トレーニングと検証のデータセットを作成します。Python で、3D Cell Tracker トレーニングプログラムを実行します。トレーニングユニット3D関数で、noise_level、folder_path、およびモデルパラメータを初期化して、定義済みの3Dユニットモデルを設定します。
MATLAB では、imageDimConverter を使用します。m プログラムを使用して、トレーニングと検証のデータセットを読み込みに適した形式に変換して名前を変更します。Python では、トレーナーを使用します。
load_datasetとトレーナー。draw_dataset 関数を使用して、それぞれトレーニング データセットと検証データセットを読み込みます。次に、3D Cell Trackerトレーニングプログラムの最初の部分を実行し、3D Cell Segmentationのイメージングパラメータを定義します。
MATLAB で imageDimConverter を使用します。mプログラムを使用して、すべての3Dハート画像を適切な形式に変換して名前を変更し、データフォルダーに転送します。Python で、3D Cell Tracker プログラムの 2 番目の部分を実行して、セグメンテーションを開始します。
最初の3D画像がセグメント化されたら、セグメンテーションの結果を生の画像と比較します。修正したセグメンテーションを、作成した手動ボリューム 1 フォルダーに移動します。Python で、すべての画像をセグメント化するための 3D Cell Tracker プログラムの 3 番目の部分を実行します。
次に、Amiraソフトウェアを開き、トラッキングした細胞の位置を対応する生画像と比較し、トラッキング結果を視覚的に評価します。細胞追跡結果データを手動で検証し、すべてのボリュームで一貫した画像強度を持つ細胞を選択します。3Dスライサーソフトウェアでは、セルラベルを使用してOBJ。
IPYNBスクリプトは、サーフェスメッシュを生成し、各セルに一意のカラーコードを割り当てます。各 3D モデルを 1 つの OBJ ファイルとして書き出し、複数のサブオブジェクトとセル ラベルを記述する MTL ファイルを添付します。教育機関限定ライセンスを使用して 3D モデルを Unity にインポートします。
C#Programで記述された関数で構成されるカスタマイズされたスクリプトを、4D VisualizationおよびInteractive Analysisのモデルとユーザーインターフェース要素に適用します。
