Para começar, abra o MATLAB. Abra o arquivo test_parallel.m. Na variável baseDir, especifique o local da pasta Raw Image Sequences.
Atribua as variáveis numOfSlice com o número total de sequências de imagens e numOfImage com o número de imagens em cada sequência. Inspecione a sequência de imagens do plano médio do coração do peixe-zebra. Identifique os números de quadro da primeira e quarta sístoles na sequência e atribua-os às variáveis systolicpoint_1st e systolicpoint_4th.
Clique em Executar para iniciar a Reconstrução de Imagem. Baixe o pacote 3D Cell Tracker e configure o ambiente Python. Baixe e abra o Software de Anotação ITK-SNAP.
Rotule manualmente a imagem cardíaca 3D em dois momentos, um durante o Ventricular Distalmente e outro durante a Sístole Ventricular para criar conjuntos de dados de treinamento e validação. Em Python, execute o Programa de Treinamento do 3D Cell Tracker. Na Função 3D da Unidade de Treinamento, inicialize os parâmetros noise_level, folder_path e modelo para definir o Modelo de Unidade 3D Predefinido.
No MATLAB, use o imageDimConverter. M programa para converter e renomear o conjunto de dados de treinamento e validação para o formato adequado para carregamento. Em Python use o treinador.
load_dataset e treinador. draw_dataset funções para carregar os conjuntos de dados de treinamento e validação, respectivamente. Em seguida, execute a primeira parte do Programa de Treinamento do 3D Cell Tracker e defina os parâmetros de imagem para a Segmentação de Células 3D.
Agora no MATLAB, use o imageDimConverter. m programa para converter e renomear todas as imagens de coração 3D para o formato adequado e transferi-los para a pasta de dados. Em Python, execute a segunda parte do Programa 3D Cell Tracker para iniciar a segmentação.
Depois que a primeira imagem 3D for segmentada, compare o resultado da segmentação com a imagem bruta. Mova a segmentação corrigida para a pasta Volume Um Manual criada. Em Python, execute a terceira parte do 3D Cell Tracker Program para segmentar todas as imagens.
Em seguida, abra o Amira Software e compare as posições das células rastreadas com suas imagens brutas correspondentes para avaliação visual dos resultados do rastreamento. Valide manualmente os dados de resultado do rastreamento de células e selecione células com intensidade de imagem consistente em todos os volumes. No software 3D Slicer, usando etiquetas de células para OBJ.
IPYNB Script, gere uma malha de superfície e atribua um código de cor exclusivo a cada célula. Exporte cada modelo 3D como um único arquivo OBJ com vários subobjetos acompanhados por um arquivo MTL para descrever o rótulo da célula. Importe os modelos 3D para o Unity, usando a Licença Educacional.
Aplicar os scripts personalizados que consistem em funções escritas no Programa C# aos modelos e elementos da interface do usuário para Visualização 4D e Análise Interativa.
