Name: volume segmentation and analysis of biological materials using survos (super-region volume segmentation) workbench
Uploaded: 2017-08-23T15:00:00
Duration: 11 min 38 s
Description: Watch this Scientific Journal Video about Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench at JoVE.com

Мы хотели бы выразить признательность и поблагодарить за помощь с beamtime и13 Ван Rui и Wah Chiu от колледж Бейлор для предоставления набора данных cryoET и Эндрю Бодей из источника света алмазов. Части этого исследования были поддержке национальных институтов здравоохранения (НИЗ) Грант № (P41GM103832) мы признаем источник света Diamond совместно финансируют Луенго Imanol под PhD STU0079.

<ol>
	<li>. DiamondLightSource/SuRVoS: Version 1.0. Zenodo Available from: <a target="_blank" href="https://zenodo.org/record/247547">https://zenodo.org/record/247547</a> (2017)</li><li>. SuRVoS Workbench - Super Region Volume Segmentation Available from: <a target="_blank" href="https://diamondlightsource.github.io/SuRVoS/">https://diamondlightsource.github.io/SuRVoS/</a> (2017)</li><li>Frangakis, A. S., F&#246;rster, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computational+exploration+of+structural+information+from+cryo-electron+tomograms.">Computational exploration of structural information from cryo-electron tomograms.</a> Curr Opin Struct Biol. 14 (3), 325-331 (2004).</li><li>Luci&#263;, V., F&#246;rster, F., Baumeister, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Structural+studies+by+electron+tomography:+from+cells+to+molecules.">Structural studies by electron tomography: from cells to molecules.</a> Annu Rev Biochem. 74, 833-865 (2005).</li><li>Lu&#269;i&#269;, V., Rigort, A., Baumeister, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cryo-electron+tomography:+the+challenge+of+doing+structural+biology+in+situ.">Cryo-electron tomography: the challenge of doing structural biology in situ.</a> J Cell Biol. 202 (3), 407-419 (2013).</li><li>Milani, M., Drobne, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Focused+ion+beam+manipulation+and+ultramicroscopy+of+unprepared+cells.">Focused ion beam manipulation and ultramicroscopy of unprepared cells.</a> Scanning. 28 (3), 148-154 (2006).</li><li>Denk, W., Horstmann, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Serial+Block-Face+Scanning+Electron+Microscopy+to+Reconstruct+Three-Dimensional+Tissue+Nanostructure.">Serial Block-Face Scanning Electron Microscopy to Reconstruct Three-Dimensional Tissue Nanostructure.</a> PLoS Biol. 2 (11), (2004).</li><li>Rigort, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+segmentation+of+electron+tomograms+for+a+quantitative+description+of+actin+filament+networks.">Automated segmentation of electron tomograms for a quantitative description of actin filament networks.</a> J Struct Biol. 177 (1), 135-144 (2012).</li><li>F&#246;rster, F., Han, B. -. G., Beck, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visual+Proteomics.">Visual Proteomics.</a> Meth Enzymolb. 483, 215-243 (2010).</li><li>Liu, Y., Sigworth, F. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automatic+cryo-EM+particle+selection+for+membrane+proteins+in+spherical+liposomes.">Automatic cryo-EM particle selection for membrane proteins in spherical liposomes.</a> J Struct Biol. 185 (3), 295-302 (2014).</li><li>Asano, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+molecular+census+of+26S+proteasomes+in+intact+neurons.">A molecular census of 26S proteasomes in intact neurons.</a> Science. 347 (6220), 439-442 (2015).</li><li>Gardu&#241;o, E., Wong-Barnum, M., Volkmann, N., Ellisman, M. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Segmentation+of+electron+tomographic+data+sets+using+fuzzy+set+theory+principles.">Segmentation of electron tomographic data sets using fuzzy set theory principles.</a> J Struct Biol. 162 (3), 368-379 (2008).</li><li>Sommer, C., Straehle, C., K&#246;the, U., Hamprecht, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ilastik:+Interactive+learning+and+segmentation+toolkit.">Ilastik: Interactive learning and segmentation toolkit.</a> 2011 IEEE Int Symp Biomed Imaging: From Nano to Macro. , 230-233 (2011).</li><li>Darrow, M. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Structural+Mechanisms+of+Mutant+Huntingtin+Aggregation+Suppression+by+the+Synthetic+Chaperonin-like+CCT5+Complex+Explained+by+Cryoelectron+Tomography.">Structural Mechanisms of Mutant Huntingtin Aggregation Suppression by the Synthetic Chaperonin-like CCT5 Complex Explained by Cryoelectron Tomography.</a> J Biol Chem. 290 (28), 17451-17461 (2015).</li><li>Wang, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Electron+cryotomography+reveals+ultrastructure+alterations+in+platelets+from+patients+with+ovarian+cancer.">Electron cryotomography reveals ultrastructure alterations in platelets from patients with ovarian cancer.</a> Proc Natl Acad Sci USA. 112 (46), 14266-14271 (2015).</li><li>Shahmoradian, S. H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=TRiC's+tricks+inhibit+huntingtin+aggregation.">TRiC's tricks inhibit huntingtin aggregation.</a> eLife. 2, (2013).</li><li>Dai, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Visualizing+virus+assembly+intermediates+inside+marine+cyanobacteria.">Visualizing virus assembly intermediates inside marine cyanobacteria.</a> Nature. 502 (7473), 707-710 (2013).</li><li>Sandberg, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Methods+for+Image+Segmentation+in+Cellular+Tomography.">Methods for Image Segmentation in Cellular Tomography.</a> Methods Cell Biol. 79, 769-798 (2007).</li><li>Volkmann, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Methods+for+Segmentation+and+Interpretation+of+Electron+Tomographic+Reconstructions.">Methods for Segmentation and Interpretation of Electron Tomographic Reconstructions.</a> Methods Enzymol. 483, 31-46 (2010).</li><li>Tsai, W. -. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=From+Voxels+to+Knowledge:+A+Practical+Guide+to+the+Segmentation+of+Complex+Electron+Microscopy+3D-Data.">From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data.</a> J Vis Exp. (90), (2014).</li><li>. Amira &amp; Avizo 3D: Software for Scientific and Industrial Data Available from: <a target="_blank" href="https://www.fei.com/software/amira-avizo/">https://www.fei.com/software/amira-avizo/</a> (2016)</li><li>Kremer, J. R., Mastronarde, D. N., McIntosh, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Computer+Visualization+of+Three-Dimensional+Image+Data+Using+IMOD.">Computer Visualization of Three-Dimensional Image Data Using IMOD.</a> J Struct Biol. 116 (1), 71-76 (1996).</li><li>Nguyen, H., Ji, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Shape-driven+three-dimensional+watersnake+segmentation+of+biological+membranes+in+electron+tomography.">Shape-driven three-dimensional watersnake segmentation of biological membranes in electron tomography.</a> IEEE trans med imaging. 27 (5), 616-628 (2008).</li><li>Rusu, M., Starosolski, Z., Wahle, M., Rigort, A., Wriggers, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+tracing+of+filaments+in+3D+electron+tomography+reconstructions+using+Sculptor+and+Situs.">Automated tracing of filaments in 3D electron tomography reconstructions using Sculptor and Situs.</a> J Struct Biol. 178 (2), 121-128 (2012).</li><li>Moussavi, F., Heitz, G., Amat, F., Comolli, L. R., Koller, D., Horowitz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+segmentation+of+cell+boundaries+from+whole+cell+cryogenic+electron+tomography+volumes.">3D segmentation of cell boundaries from whole cell cryogenic electron tomography volumes.</a> J Struct Biol. 170 (1), 134-145 (2010).</li><li>Hecksel, C. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantifying+Variability+of+Manual+Annotation+in+Cryo-Electron+Tomograms.">Quantifying Variability of Manual Annotation in Cryo-Electron Tomograms.</a> Microsc Mpicroanal. 22 (3), 487-496 (2016).</li><li>Achanta, R., Shaji, A., Smith, K., Lucchi, A., Fua, P., S&#252;sstrunk, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SLIC+superpixels+compared+to+state-of-the-art+superpixel+methods.">SLIC superpixels compared to state-of-the-art superpixel methods.</a> IEEE trans pattern anal mach intell. 34 (11), 2274-2282 (2012).</li><li>Luengo, I., Basham, M., French, A. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+global+interactive+volume+segmentation+with+regional+supervoxel+descriptors.">Fast global interactive volume segmentation with regional supervoxel descriptors.</a> Proc. SPIE. 9784, (2016).</li><li>Luengo, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SuRVoS:+Super-Region+Volume+Segmentation+Workbench.">SuRVoS: Super-Region Volume Segmentation Workbench.</a> J Struct Biol. 198 (1), 43-53 (2017).</li><li>. DiamondLightSource/Savu: Version 1.2. Zenodo Available from: <a target="_blank" href="https://zenodo.org/record/198726">https://zenodo.org/record/198726</a> (2014)</li><li>Paganin, D., Mayo, S. C., Gureyev, T. E., Miller, P. R., Wilkins, S. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Simultaneous+phase+and+amplitude+extraction+from+a+single+defocused+image+of+a+homogeneous+object.">Simultaneous phase and amplitude extraction from a single defocused image of a homogeneous object.</a> J Microsc. 206 (Pt 1), 33-40 (2002).</li><li>van Aarle, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+and+flexible+X-ray+tomography+using+the+ASTRA+toolbox.">Fast and flexible X-ray tomography using the ASTRA toolbox.</a> Opt Express. 24 (22), 25129-25147 (2016).</li><li>Palenstijn, W. J., Batenburg, K. J., Sijbers, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Performance+improvements+for+iterative+electron+tomography+reconstruction+using+graphics+processing+units+(GPUs).">Performance improvements for iterative electron tomography reconstruction using graphics processing units (GPUs).</a> J Struct Biol. 176 (2), 250-253 (2011).</li><li>Mastronarde, D. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Dual-Axis+Tomography:+An+Approach+with+Alignment+Methods+That+Preserve+Resolution.">Dual-Axis Tomography: An Approach with Alignment Methods That Preserve Resolution.</a> J Struct Biol. 120 (3), 343-352 (1997).</li><li>Duke, E., Dent, K., Razi, M., Collinson, L. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Biological+applications+of+cryo-soft+X-ray+tomography.">Biological applications of cryo-soft X-ray tomography.</a> J Microsc. 255 (2), 65-70 (2014).</li><li>Arbel&#225;ez, P., Maire, M., Fowlkes, C., Malik, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Contour+detection+and+hierarchical+image+segmentation.">Contour detection and hierarchical image segmentation.</a> IEEE trans pattern anal mach intell. 33 (5), 898-916 (2011).</li></ol>

Авторы заявляют, что у них нет конкурирующих финансовых интересов.

SuRVoS Workbench является частью программного обеспечения, позволяющих исследователям для извлечения научно соответствующую информацию из объемных данных из различных образцов, независимо от структуры интереса, резолюции или изображений модальности1, 2. Объемные данные такие, как часто они собираются с помощью рентгеновского или электронная томография систем, обычно на основе в целом лаборатории или централизованных объектов из-за их сложности. Оба из этих методов и другие методы, производят большие, богатые наборы информации которая доказать сложно сегмент с либо полуавтоматический методов или вручную. В частности государство почти родной крио прикол наборы данных требуют низкодозированные изображений условий, что приводит к низким соотношение сигнал шум и плохой контраст, особенно в крио электронная томография (cryoET)3,4,5 . Дополнительным фактором в некоторых 3D наборов данных является наличие артефактов, представленный сложной экспериментальных условий, например отсутствующие клин артефакты из-за сбора данных через ограниченное наклона, что приводит к недостающую информацию и удлинение в направлении луч3,4,5. Даже когда низкий сигнал шум или отсутствующие клин артефакты не проблематично (например сосредоточены ионного пучка SEM6 или последовательный блок сталкиваются SEM7), сложности и трехмерную природу образца, и большое количество данных означает, что анализ будет по-прежнему пользоваться автоматизированный процесс для данных сегментации.
В настоящее время при рассмотрении биологического томов клеток, есть много вариантов для автоматически или полуавтоматически идентификации весьма конкретных клеточных функций, таких как актина, микротрубочки или конкретных белковых комплексов, используя шаблон-на основе поиска, или определения функций в конкретных типах наборов данных (например высокая контрастность, витражи, смола встроенные образцы)8,9,10,,1112. Однако в этих случаях априори информацию или конкретные примеры подготовки протоколов являются необходимыми, ограничивая широкую применимость этих стратегий сегментации. Есть также инструменты, которые выполняют модели обучения на уровне voxel учиться появление различных структур интерес при наличии пользовательского ввода13. Однако на этом уровне сложности обучения и проверки моделей могут быть затратными и ошибкам. Учитывая сложные условия изображения и отсутствие стратегий широко применимым, полуавтоматическая сегментация, ручной сегментации является общим, даже при работе с сложных биологических материалов14,15, 16 , 17. Однако это общепризнано, что процесс ручной сегментации является не только времени, но также ошибкам, субъективный и переменных в4,5,18,19 ,20. Некоторые сегментации программы предлагают инструменты для облегчения процесса ручной сегментации (т.е. интерполяция, Лассо или удар инструменты)21,22, однако, в случае шумных наборов данных, они трудно применять успешно, и даже когда они успешно используются, этот процесс все еще субъективный и переменных.
Традиционно, segmentations были использованы двумя разными способами: качественно или количественно. Как технологии визуализации и сегментация стратегии улучшения, он стал чаще использовать сегментации как количественный инструмент ответить вопросы биологического и как «земля истина» алгоритм развития8,12, 15,23,24,25. Для того, чтобы сделать это, требуется снижение изменчивости и субъективности на протяжении всего процесса26подробные сдержек и противовесов. Однако эти меры предосторожности дальнейшее увеличение трудоемкости сегментации. Из-за этого важно обеспечить стратегию быстрее и менее переменной сегментации.
SuRVoS Workbench начинает для решения этих проблем, предоставляя пользователю выбор машинного обучения и инструменты, которые помогают пользователю в процессе сегментации, а также руководство пользователя через необходимые шаги обработки изображений. Для достижения этой цели, два ключевых новшества реализуются вместе в SuRVoS. Во-первых он использует иерархию супер-региона в группу аналогичных, близлежащих областей данных на основе присущих им свойств. Каждый из регионов в иерархии представляет же тома, используя меньшее количество элементов, обеспечивая при этом соблюдение сильные границы. Таким образом супер-регионы уменьшить сложность сегментирования тома на несколько порядков, но по-прежнему представляют данные без значительной потери информации27. Во-вторых SuRVoS обеспечивает полуавтоматическая сегментация стратегия, которая использует минимальное ручная сегментация входов для обучения классификаторов, которые затем используются для сегмента остальные тома28,29. Эта стратегия уменьшает ручной сегментации, значительно уменьшается количество пользователей время, затраченное на сегментации и, при использовании супер-регионы, удаляет вручную делимитация границ, потенциально уменьшая изменчивости и субъективность.
Еще ключевой особенностью SuRVoS является Splitter надпись, согласно которой пользователь может классифицировать серии уже сегментирована объектов на основе присущих им свойств. После сегментации различных объектов, представляющих интерес этот инструмент может использоваться для разделения набор на подклассы на основе таких мер, как интенсивность средняя объект, дисперсия, размер, местоположение и т.д. это полезно при классификации больших групп объектов с высокий уровень сложности. Например, Группа клеточных органелл могут быть разделены на митохондрии, пустой везикулы, липидного капель и т.д.; или набор материалов, которые могут быть разделены включений на основании размера или формы. После сегментирована отдельные наклейки можно разделен на группы используя любое количество классификаторов, уменьшение выявления предвзятости.
SuRVoS Workbench успешно используется для сегмента данных из нескольких методы визуализации. Здесь контраст фазы синхротрона рентгеновская томография (microCT) плодовые тела растения используется для демонстрации segmentatiиспользуя модель обучения, крио Электрон (cryoET) томография головного мозга тромбоцитов человека используется для демонстрации сегментации, с помощью супер - и megavoxels, и крио мягкой рентгеновская томография (cryoSXT) клеток млекопитающих линии используется для демонстрации метке расщепления инструменты

<table>
	<tbody>
		<tr>
			<td>computer</td>
			<td>n/a</td>
			<td>n/a</td>
			<td>Must be running Linux operating system and have an NVidia GPU with at least 4 GB of memory</td>
		</tr>
	</tbody>
</table>

volume segmentation and analysis of biological materials using survos (super-region volume segmentation) workbench

Сегментация — это процесс изоляции конкретных регионов или объекты внутри образа тома, так что дальнейшие исследования в этих областях, представляющих интерес. При рассмотрении анализ сложных биологических систем, сегментация данных трехмерного изображения это много времени и труда интенсивных шаг. С возросшей доступности многих методов обработки изображений и автоматизированных баз данных коллекции схем это проблемой увеличения для современной экспериментальной биолог перейти от данных к знаниям. Это издание описывает использование SuRVoS Workbench, программа, предназначенная для решения этих проблем, предоставляя методы для полуавтоматически сегмент сложных биологических объемных данных. Три набора данных отличаются увеличением и визуализации формы представлены здесь, каждый подчеркнув различные стратегии сегментации с SuRVoS. Фаза контраст рентгеновская томография (microCT) плодовые тела растения используется для демонстрации сегментации, с использованием модели обучения, крио Электрон (cryoET) томография головного мозга тромбоцитов человека используется для демонстрации сегментации, с помощью супер - и megavoxels и крио мягкой Рентгеновская томография (cryoSXT) клеток млекопитающих линии используется для демонстрации метке разделение инструментов. Также представлены стратегии и параметры для каждого типа данных. Смешивая выбор полуавтоматических процессов в одном интерактивный инструмент, SuRVoS предоставляет несколько преимуществ. Общее время сегмент объемных данных уменьшается на пять по сравнению с ручной сегментации, опорой во многих областях обработки изображений. Это значительную экономию средств, когда полная ручная Сегментация может занять недели усилий. Кроме того субъективность решается за счет использования вычислительно определенных границ и расщепления сложных коллекций объектов по их вычисляемого свойства, а не на основе case-by-case.

Watch this Scientific Journal Video about Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench at JoVE.com

Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench

Объем сегментации и анализ биологических материалов с помощью Workbench SuRVoS (супер-регионе объем сегментация)

Сегментация трехмерных данных из многих методы визуализации является основным узким местом в анализ сложных биологических систем. Здесь, мы описывают использование SuRVoS Workbench полуавтоматически сегмент объемные данные на различные длины шкалы с использованием наборов данных примера от крио электронная томография, крио мягкой рентгеновская томография и фаза контраст рентгеновская томография методов.

Segmentation is the process of isolating specific regions or objects within an imaged volume, so that further study can be undertaken on these areas of ...

Research

JoVE Journal

Biology

Volume Segmentation and Analysis of Biological Materials Using SuRVoS (Super-region Volume Segmentation) Workbench

Large Volume (20L+) Filtration of Coastal Seawater Samples

Large Volume 20L+ Filtration of Coastal Seawater Samples

Большой объем (20 л +) Фильтрация прибрежной морской воды Образцы

The workflow begins with the collection of coastal marine waters for downstream microbial community, nutrient and trace gas analyses. For this method, ...

Small Volume (1-3L) Filtration of Coastal Seawater Samples

Small Volume 1-3L Filtration of Coastal Seawater Samples

Малого объема (1-3л) Фильтрация прибрежной морской воды Образцы

The workflow begins with the collection of coastal marine waters for downstream microbial community, nutrient and trace gas analyses. For today s ...

Concentration Determination of Nucleic Acids and Proteins Using the Micro-volume Bio-spec Nano Spectrophotometer

Определение концентрации нуклеиновых кислот и белков Использование Micro объемом Био-спецификации Nano Спектрофотометр

Nucleic Acid quantitation procedures have advanced significantly in the last three decades.  More and more, molecular biologists require consistent ...

Aseptic Laboratory Techniques: Volume Transfers with Serological Pipettes and Micropipettors

Асептики лаборатории: Объем переводов с Серологические пипетки и Micropipettors

Microorganisms are everywhere - in the air, soil, and human body as well as on inanimate surfaces like laboratory benches and computer keyboards. The ...

Reconstruction of 3-Dimensional Histology Volume and its Application to Study Mouse Mammary Glands

Реконструкция 3-Dimensional гистологии Том и его применение для изучения Mouse молочных желез

Histology volume reconstruction facilitates the study of 3D shape and volume change of an organ at the level of macrostructures made up of cells. It can ...

Cardiac Pressure-Volume Loop Analysis Using Conductance Catheters in Mice

Сердечная давления Объем Анализ обратной связи с использованием проводимости Катетеры у мышей

Cardiac pressure-volume loop analysis is the &#8220;gold-standard&#8221; in the assessment of load-dependent and load-independent measures of ventricular ...

Measuring Pressure Volume Loops in the Mouse

Измерение давления громкости Loops в мыши

Understanding the causes and progression of heart disease presents a significant challenge to the biomedical community. The genetic flexibility of the ...

ACT-PRESTO: Biological Tissue Clearing and Immunolabeling Methods for Volume Imaging

ACT-PRESTO: Биологическая ткань Очистка и иммунноокрашивания Методы визуализации Volume

The identification and exploration of the detailed organization of organs or of the whole body at the cellular level are fundamental challenges in ...

Biological Sample Preparation by High-pressure Freezing, Microwave-assisted Contrast Enhancement, and Minimal Resin Embedding for Volume Imaging

Подготовка биологический образец высокого давления замораживания, при содействии Микроволновая печь контрастности и минимальным смолы, встраивание образов тома

The described sample preparation technique is designed to combine the best quality of ultrastructural preservation with the most suitable contrast for the ...

Array Tomography Workflow for the Targeted Acquisition of Volume Information using Scanning Electron Microscopy

Рабочий процесс массивной томографии для целенаправленного получения объемной информации с помощью сканирующей электронной микроскопии

Electron microscopy is applied in biology and medicine for imaging of cellular and structural details at nanometer resolution. Historically, Transmission ...