Başlamak için MATLAB'ı açın. test_parallel.mdosyasını açın. baseDir değişkeninde, Raw Image Sequences Folder (Ham Görüntü Dizileri Klasörü) konumunu belirtin.
numOfSlice değişkenlerini toplam görüntü dizisi sayısıyla ve numOfImage değişkenlerini her dizideki görüntü sayısıyla atayın. Zebra balığı kalbinin orta düzleminin görüntü sırasını inceleyin. Dizideki birinci ve dördüncü sistollerin çerçeve numaralarını belirleyin ve bunları systolicpoint_1st ve systolicpoint_4th değişkenlerine atayın.
Görüntüleme Rekonstrüksiyonunu başlatmak için Çalıştır'a tıklayın. 3D Cell Tracker Paketini indirin ve Python Ortamını kurun. ITK-SNAP Not Alma Yazılımını indirin ve açın.
Eğitim ve doğrulama veri kümeleri oluşturmak için 3B kalp görüntüsünü biri Ventriküler Distal ve diğeri Ventriküler Sistol sırasında olmak üzere iki zaman noktasında manuel olarak etiketleyin. Python'da 3D Cell Tracker Eğitim Programını çalıştırın. Eğitim Birimi 3B İşlevinde, Önceden Tanımlanmış 3B Birim Modeli'ni ayarlamak için noise_level, folder_path ve model parametrelerini başlatın.
MATLAB'de imageDimConverter öğesini kullanın. m programı, eğitim ve doğrulama veri kümesini yükleme için uygun biçime dönüştürmek ve yeniden adlandırmak için kullanılır. Python'da eğiticiyi kullanın.
load_dataset ve eğitmen. draw_dataset sırasıyla eğitim ve doğrulama veri kümelerini yükleme işlevine sahiptir. Ardından 3D Cell Tracker Eğitim Programının ilk bölümünü çalıştırın ve 3D Hücre Segmentasyonu için görüntüleme parametrelerini tanımlayın.
Şimdi MATLAB'de imageDimConverter'ı kullanın. Tüm 3D kalp görüntülerini uygun formata dönüştürmek ve yeniden adlandırmak ve bunları veri klasörüne aktarmak için m programı. Python'da, segmentasyonu başlatmak için 3D Cell Tracker Programının ikinci bölümünü çalıştırın.
İlk 3D görüntü bölümlere ayrıldıktan sonra, segmentasyon sonucunu ham görüntüyle karşılaştırın. Düzeltilmiş segmentasyonu oluşturulan Manuel Volume One Klasörüne taşıyın. Python'da, tüm görüntüleri bölümlere ayırmak için 3D Cell Tracker Programının üçüncü bölümünü çalıştırın.
Ardından, Amira Yazılımını açın ve izleme sonuçlarının görsel değerlendirmesi için izlenen hücrelerin konumlarını karşılık gelen ham görüntüleriyle karşılaştırın. Hücre izleme sonucu verilerini manuel olarak doğrulayın ve tüm birimlerde tutarlı görüntü yoğunluğuna sahip hücreleri seçin. 3D Dilimleyici Yazılımında, OBJ'ye hücre etiketlerini kullanma.
IPYNB Komut Dosyası, bir yüzey ağı oluşturun ve her hücreye benzersiz bir renk kodu atayın. Her 3B modeli, hücre etiketini açıklamak için bir MTL dosyasının eşlik ettiği birden çok alt nesneye sahip tek bir OBJ dosyası olarak dışa aktarın. Eğitim Lisansı'nı kullanarak 3B modelleri Unity'ye aktarın.
4D Görselleştirme ve İnteraktif Analiz için C# Programında yazılan fonksiyonlardan oluşan özelleştirilmiş scriptleri modellere ve kullanıcı arayüzü elemanlarına uygulayın.
