利用 SuRVoS (超区域体积分割) 工作台进行生物材料的体积分割与分析

该程序的总体目标是半自动分割具有生物性质的复杂体积数据集。这种方法可以通过对体积数据进行定性和定量分析来帮助回答结构生物学领域的关键问题。这种技术的主要优点是，虽然这种方法可以提供对生物数据集的洞察力，但它也可以应用于其他领域，例如材料科学。

该软件使用不同的工作流程作为分割程序，这在首次使用 SuRVoS 时可能会导致初始困难。因此，视觉演示对于理解这个新的工作流程至关重要。在相差 X 射线断层扫描数据集上演示了使用模型训练对定义明确的大区域进行分割。

要开始此过程，请启动 SuRVoS 工作台。单击 Open Dataset 按钮，然后在结果弹出窗口中选择要分段的数据文件。为数据集选择合适的方向。

接下来，选择用于存储工作区和关联文件的文件夹。单击 Load 按钮。在 Select ROI 选项卡中，输入我们感兴趣的区域的 X、Y 和 Z 开始和结束坐标，然后单击 Add。

添加部分后，请确保通过选中右侧的框来选中该部分。在此之后，在 Features Channels 选项卡中，使用下拉菜单选择功能并将其添加到队列中。修改特定于该功能的任何选项，然后选择要运行该功能的输入数据集。

单击要计算的特征名称右侧的复选框。多个要素可以在同一数据集上运行，计算的要素可以用作输入数据集以进行进一步处理。然后选择 Super Regions 选项卡。

在 Super Voxels 部分中，使用下拉菜单选择将从中创建超级体素的过滤数据集。指定形状、间距和紧凑度。点击 使用 按钮生成超级体素。

要评估超级体素的质量，请单独显示它们，而不叠加数据。如果数据中感兴趣的特征仅在超级体素中仍然可见，则它们可以很好地表示数据。在 Annotation 选项卡中，单击 Add Level 按钮以添加注释级别。

单击新创建的级别中的 Add Label 按钮，为注释添加标签。接下来，在工具快捷方式部分中，选择钢笔图标。一组选项将显示在可视化效果窗格的顶部。

选择超级体素选项和中等宽度的笔，开始为模型训练创建训练数据。单击标签信息最右侧的框以选择要注释的标签。然后在可视化窗格中单击并拖动以注释多个超级体素。

在 Model Training （模型训练） 选项卡中，将 predict level （预测级别） 设置为包含手动训练注释的级别。然后在描述符部分中，将区域设置为超级体素。单击 Select Sources 下拉列表，然后选中所选功能或过滤器的框，以选择将用于区分数据区域的描述符。

单击 Predict 按钮。计算完成后，可视化窗格将更新，预测每个未标记的体素属于哪个注释标签。评估训练方法的效果并选择一个方法后，单击 Refine （优化） 部分中的下拉列表以应用其他优化。

在 Update Annotations 部分的模型训练选项卡底部，确保将可视化下拉菜单设置为 predictions。接下来，使用置信度滑块将更多或更少的未注释超级体素分配给选定的注释标签。选择适当的置信度级别后，单击置信度工具底部标签旁边的 Save 按钮，将预测保存到特定标签中。

可视化效果窗格将更新以反映所做的更改。如有必要，通过额外的细化和高置信度预测重复模型训练，直到未标记的超级体素很少或没有。在冷冻电子断层扫描数据集上演示了使用超级区域对更小、更复杂的区域进行分割。

在 annotation 选项卡中添加适当的级别和标签后，选择标签。使用中等宽度的笔，在选中超级体素的情况下开始注释。超级区域分割的一种策略是快速分割一个切片，向上或向下移动几个切片，并填充新切片上的空白。

这样，用户就可以更轻松地对中间切片进行注释。接下来，要进一步清理注释，请选择分割标签和一种形态学细化方法。输入 radius 值并选择如何应用优化方法。

然后单击 Refine （优化）。在冷冻软 X 射线断层扫描数据集上演示了数据对象的分类和分析。对数据进行完全分段后，单击可视化窗格中名为 Label Splitter 的第二个选项卡。

新区域（规则创建窗格）将添加到窗口的右侧。在规则创建窗格的顶部，选择用于标签拆分的级别和标签。接下来，选择要查询的数据集，然后单击 Label。

现在，所选标签中的每个对象都将在可视化窗格中作为单独的对象以蓝色轮廓显示。规则创建窗格现在将包含一个显示对象平均强度的绘图。单击右上角的下拉框以更改显示的度量。

接下来，单击 Add New Label 在规则创建窗格底部，开始将对象拆分为相关类。单击 Add New Rule ，然后使用下拉和自由格式输入框来定义要应用的规则。单击 Apply 以在可视化窗格中和规则创建窗格中的绘图上查看新规则的效果。

对所有感兴趣的对象进行分类后，转到 Annotations 选项卡。创建一个新的空级别。然后，在规则创建选项卡中选择此新级别，然后单击 Save Labels。

单击可视化窗格边缘的 Label Statistics 选项卡以打开一个新的可视化窗格，该窗格可用于了解对象类之间的关系。在顶部，选择适当的级别和标签以及要查询的数据集。然后通过选中它们旁边的框来选择一些感兴趣的度量。

单击 Label （标签） 为每个选定测度生成成对比较图。如果需要添加或删除度量，请单击相应的复选框，然后单击 Update Plot。在本研究中，展示了 SuRVoS 工作台中的两种分割策略和一种分类工具。

对于模型训练，将加载具有区域定义边界的相对高对比度的数据集。对数据进行筛选和钳制，以使背景、前景和内部结构更加明显。然后，超级体素构建在过滤后的数据集之上。

在评估超级体素的质量后，进行手动注释以训练分类器预测与背景、果鬃、种子材料和周围果肉对应的区域。形态学细化用于通过填充孔来清理分割。对于超级区域分割，将加载一个嘈杂且复杂的数据集。

接下来，将适当的过滤器集应用于选定的感兴趣区域。在模型训练和分割之后，每 5 到 10 个切片使用一次快速手动注释来选择描述感兴趣特征的超级体素。然后使用具有许多不同细胞器的数据集来演示标签拆分。

首先，使用适当的总变异过滤器来增强细胞器边界。使用超级体素和超级体素对细胞器进行半手动分割，并使用精炼来填充孔和平滑边缘。标签分离器用于将每个细胞器可视化为数据集中的一个对象，然后可视化数据图中每个对象的各种特征。

在这里，创建了规则，根据细胞器的遗传特性（例如它们的大小或平均强度）将细胞器分为五个不同的类别。标签分离器可用于输出有关数据的定量信息并开始了解细胞环境。看完这个视频，你应该对如何使用 SuRVoS workbench 进行半自动分割有了很好的了解。

使用该程序，可以比较多种生物状态以回答问题，例如关于野生型疾病，然后是治疗条件。一旦掌握，如果执行得当，这种技术可以将分割过程加快大约五倍。按照此过程，可以使用可视化程序来呈现结果，以便发布和制作电影。