Name: 복셀에서 지식 : 복잡한 전자 현미경 3D-데이터의 분할에 대한 실용 가이드 (동영상) | JoVE Journal
Uploaded: 2014-08-13T16:00:00.000+00:00
Duration: 12 min 8 s
Description: 학습하세요 복잡한 3D 전자현미경 데이터에서 특징을 분할하는 방법을. 수동 및 자동화된 세분화 기법을 비교하여 세포 구조 분석에 최적의 접근법을 선택하는 실용적인 프레임워크를 제공합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

playerTrialDesktop

Chimera에 대한 끝없는 도움을 주신 University of California San Francisco의 Tom Goddard, 박테리아 데이터 세트의 SBF-SEM 데이터 수집에 도움을 주신 Gatan, Inc.의 Joel Mancuso와 Chris Booth, 상피 세포 데이터 세트의 FIB-SEM 데이터 수집에 도움을 주신 Zeiss, Inc.의 Doug Wei, 시료 준비, TEM 이미징 및 단층 촬영에 대한 조언을 제공한 University of California Berkeley Electron Microscopy Lab의 Kent McDonald, cryo-TEM 이미지 촬영에 도움을 준 Lawrence Berkeley National Laboratory의 Roseann Csencsits, 식물 데이터 세트의 동결 절편을 제공한 Elena Bosneaga, 난소 조직 해부를 위한 Oregon Health and Science University의 Jocelyn Krey, NERSC(National Energy Research Scientific Computing Center)의 David Skinner, University of of University의 Jitendra Malik 소프트웨어 인프라에 대한 조언을 해준 California Berkeley와 이 기사에 제시된 맞춤형 스크립트에 대한 코드 기여를 해준 University of California Berkeley의 Pablo Arbelaez. 
Research는 계약 번호에 따라 미국 에너지부 과학국의 지원을 받았습니다. DE-AC02-05CH11231 [David Skinner] 및 미국 국립보건원(NIH) 보조금 번호. P01 GM051487 [석사] 내이 유모 세포 프로젝트 및 현미경 기기 사용.

1 수동 추상화 된 모델 생성 주 : 방법의 상세에 대하여 설명 키메라 특정하지만, 다른 소프트웨어 패키지 대신에 사용될 수있다. 유일한 목적은 오히려 물체의 체적 형상을 표시하는 것보다, 형상 측정을하기 위해 기하학적 모델 (예를 들어, 공 및 스틱 모델)을 생성 할 때이 방법을 사용한다. <ol><li> 수동 추상화 모델 생성을위한 프로그램에 적합한 데이터 볼륨을 가져. <ol><li> 파일&gt; 열기를 선택지도 파일 열기 대화 상자를 당겨. 원하는 맵의 파일 위치로 이동합니다. </li><li> 다른 렌더링 스타일 데이터를 표시 할 수있는 볼륨 뷰어 (도구&gt; 볼륨 데이터&gt; 볼륨 뷰어) 선택 기능&gt; 표시 스타일을 당깁니다. </li><li> 볼륨 뷰어에서 히스토그램에 수직 막대를 드래그하여 디스플레이에 대한 임계 값을 조정창. </li></ol></li><li> 3D 볼륨을 통해 이동 (예를 들어, 슬라이스 의한 슬라이스) 세그멘테이션에 대한 관심 영역을 선택하고, 필요한 경우 더 작은 서브 - 볼륨을 자르한다. <ol><li> 볼륨 뷰어 대화 상자에서 축을 클릭 한 다음 X, Y, 또는 Z를 선택합니다. </li><li> 볼륨 뷰어 대화 상자에서&gt; 비행기를 기능을 선택합니다. 왼쪽 상자의 번호에 해당하는 평면을 표시 깊이를 설정 하나를 클릭 한 모든 평면을 표시하려면 모두를 클릭합니다. </li><li> 볼륨 뷰어 대화 상자에서 선택 기능&gt; 아구를 선택합니다. <ol><li> 클릭하여 관심 영역 주위에 사각형 상자를 만들 끕니다. </li></ol></li></ol></li><li> 관심의 기능을 따라 마커를 놓고 모델이 완료 될 때까지 (종종 프로그램에 의해 자동으로 수행) 적절한 링커로 연결합니다. <ol><li> 볼륨 뷰어 메뉴 바에서 Tools (도구)&gt;볼륨 추적기 대화 상자가 볼륨 추적기 대화 상자를 엽니 다. 볼륨 추적기 대화 상자에서&gt; 새 마커 세트 파일을 선택합니다. </li><li> 볼륨 추적기 대화 상자에서 데이터 평면에 마우스&gt; 높은 품질에 장소 표시, 장소 마커를 확인으로 이동하고 마커의 크기를 조정, 링크 새로운 마커를 선택 마커 및 링크는 연속적으로 표시를 선택했습니다. </li><li> 마커 색상 견본을 클릭하고 색상을 선택합니다. 링크 색상에 대해이 단계를 반복합니다. </li><li> 마커 및 링크 모델 건물 요소에 대한 반경을 입력합니다. </li><li> 볼륨 추적기 창에서 [오른쪽] 마우스 버튼을 사용하여 장소 마커를 선택하고 마커와 링크 반경을 삽입합니다. </li><li> 오른쪽 마커를 내려 놓고 시작 볼륨 데이터를 클릭합니다. 마커가 자동으로 연결됩니다. </li><li> 볼륨 추적기 대화 상자에서 파일&gt; 현재 마커 세트를 저장 한 다음&gt; 닫기 마커 세트를 파일. </li></ol></리&gt; <li> 관심의 초 원하는 기능으로 모델을 구축하기 위해 새로운 마커 세트 (단계 1.3.1)를 엽니 다. 기능의 차이를 강조하기 위해 마커 세트 사이의 색상 대비를 이용한다. </li></ol> 관심의 특징 2 수동 추적 주 : 방법의 상세에 대하여 설명 아미라 특정하지만, 다른 소프트웨어 패키지 대신에 사용될 수있다. 인구 밀도가 상대적으로 작고, 피쳐 추출의 정확성이 가장 중요 할 때, 수동으로 추적 시간이 소요되는 방식 인 경우이 방법을 사용한다. <ol><li> 수동 추적 옵션이있는 프로그램으로 가져 오기 볼륨 데이터. 이 기능을 가진 소프트웨어는 일반적으로 적어도 기본 페인트 브러시 도구를 제공합니다. <ol><li> 큰 볼륨이나 단층 촬영의 경우 (예를 들어, 16 비트 2048 X 2048 이상 .rec 또는 IMOD에 .mrc 생성 된 단층 촬영) : 열기를 선택 데이터&gt; filename.rec&gt;에서 마우스 오른쪽을 클릭 ...&gt; LargeDiskData로 원료를 선택 </i&gt;&gt; 옥&gt;로드. 옥&gt; 헤더 정보의 적절한 원시 데이터 매개 변수를 선택합니다. 새로운으로 전환하고 저장 <a href="http://filename.am/">filename.am의</a> 다음 단계에 사용하기위한 파일입니다. </li><li> 작은 3D 이미지 스택 파일의 경우 (예를 들어, 차원이 .tif 또는 .mrc 또는 .rec) : 오픈 데이터&gt;를 선택 filename.tif 또는 filename.mrc. 전환하고 이름으로 저장을 마우스 오른쪽 클릭&gt; <a href="http://filename.am/">filename.am</a> . 오류가 발생하거나 프로그램이 응답하지 않는 경우, 파일이 너무 클 수 있고, 단계 2.1.1에 따라 개방 될 수있다. </li></ol></li><li> 분할을위한 3D 서브 볼륨을 선택 조각을 통해 이동 한 다음 관심이 지역에 자릅니다. <ol><li> 3D 뷰어 창에서 이미지 파일을 열 수 Orthoslice을 선택합니다. 조각을 탐색 할 수 하단에 슬라이더를 사용합니다. </li><li> &gt; 풀 창에서 파일 이름 토글, LargeDiskData으로 열립니다 큰 데이터를 자르려면 마우스 오른쪽&gt; LatticeAccess을 클릭합니다. 강한 게 아니R은 원하는 상자 크기&gt; 적용합니다. 새 파일을 저장합니다. </li></ol></li><li> 분할 파일을 만듭니다. <ol><li> 우측&gt; 라벨&gt; 레이블 필드를 클릭&gt; 풀 창에서 파일을 움직입니다. 새 파일이 생성되고 자동 분할 편집기 탭에로드됩니다. </li></ol></li><li> 관심 장편의 테두리를 추적 한 다음 손으로 사용되는 소프트웨어 또는 특정 명령을 사용하여 트레이스를 채운다. 모든 조각을 통해 관심의 기능에 따라 수동 추적 세그먼트를 반복합니다. 아미라를 사용하여 다음 명령을 사용하여 <ol><li> 그림판 도구를 사용하기 위해, 필요에 따라, 다음 관심 피처의 경계를 추적하기 위해 마우스 포인터를 사용하여 브러시 크기를 변경. </li><li> 바로 가기 &quot;F&quot;로 추적 영역을 채 웁니다. 더하기 기호 또는 바로 가기 &quot;&quot;로 버튼을 클릭하여 선택을 추가합니다. 필요한 경우, &quot;U&quot;는 취소하고, 빼기 또는 삭제하는 &quot;S&quot;. </li></oL&gt; </li><li> 시각화 및 기본 질적 또는 소프트웨어 사용자 설명서 명령어 당 정량 분석​​을위한 표면 렌더링을 생성합니다. <ol><li> 개체 풀 탭에서 마우스 오른쪽&gt; SurfaceGen 클릭&gt; 풀 창에서 파일 이름 - labels.am 움직입니다. </li><li> 적용&gt; 원하는 표면 특성을 선택합니다. 새 파일 filename.surf은 풀에 작성됩니다. </li><li> &gt; 마우스 오른쪽 클릭&gt; 풀 창에서 filename.surf 토글, 서피스 뷰 SurfaceView를 분할 볼륨을 시각화합니다. </li><li> , 이동, 회전, 3D 볼륨을 확대하기 위해 3DViewer 창에서 도구를 사용합니다. </li></ol></li><li> 정확한 밀도를 추출하고 볼륨 또는 표면 영역으로 측정 값을 결정합니다. 고급 디스플레이, 분석 및 시뮬레이션을위한 다른 프로그램으로 내보내기. <ol><li> 3DViewer 창에서 적절한 옵션 (2D 길이와 2D 각도 측정을위한 하나의 2D 평면에 3 차원의 길이와 3D 각도를 선택&gt; 측정 도구를 클릭합니다3D 볼륨에서 측정). </li><li> 원하는 길이, 거리 및 각도를 측정하는 메쉬면을 클릭합니다. 값은 속성 창에 표시됩니다. </li></ol></li></ol> 3 자동 밀도 기반의 분할 주 : 방법의 상세에 대하여 설명 아미라 특정하지만, 다른 소프트웨어 패키지 대신에 사용될 수있다. <ol><li> 관심의 밀도를 철회 대비, 선명도, 또는 혼잡의 다양한 데이터 세트에이 방법을 사용합니다. </li><li> 자동 분할을위한 임계 마술 지팡이 나 다른 밀도 기반 툴 장착 프로그램에 오기 볼륨 데이터. 수동 추적을위한 방향으로 2.1-2.1.2에 설명 된 단계를 수행합니다. </li><li> 조각을 탐색 및 분할에 대한 영역을 선택합니다. 필요한 경우, 분할에 대한 작은 3D 서브 볼륨을 자릅니다. 수동 추적을위한 방향으로 2.2-2.2.2에 설명 된 단계를 수행합니다. </li><li> 의 농도를 선택관심의 기능, 일반적으로 클릭하거나 기능을 마크 또는 앵커 지점을 배치하여. 소프트웨어에서 허용하는 경우, 기능의 픽셀 강도를 포괄 번호 범위를 입력하고 원하는대로이 허용 오차를 조정합니다. 기능에 속하는 밀도는 앵커의 픽셀 또는 허용 오차 값의 강도에 따라 뽑힐 것입니다. 아미라를 사용하는 경우 다음 명령을 사용합니다. <ol><li> 구별 여백 기능에 대한 자동 선택 도구를 사용합니다. <ol><li> 관심 영역에 클릭 한 다음 기능이 완전히 강조되도록 값의 올바른 범위를 캡처하는 디스플레이 및 마스킹에서 슬라이더를 조정합니다. 바로 가기 &quot;&quot;로 선택을 추가합니다. </li></ol></li><li> 명확하게 구별 할 여백이없이 기능에 대한 임계 값 도구를 사용합니다. </li><li> 임계 값 아이콘을 선택합니다. 관심의 기능 만이 마스크 될 수 있도록 바람직한 범위 내에서 농도를 조정하는 슬라이더를 조정합니다. 선택 버튼을 클릭 한 후 바로 가기로 선택 추가220; &quot;. </li><li> 세그먼트 전체 볼륨, 선택을 추가하기 전에 모든 조각을 선택합니다. </li><li> 제도 및 / 또는 분할&gt; 부드러운 라벨&gt; 소음, 선택 분할을 삭제합니다. </li></ol></li><li> 수동 추적 섹션 2.6-2.6.2에 설명 된대로 시각화 및 질적 분석을 위해 표면을 생성합니다. 원하는 경우, 적절한 3D 디스플레이, 정량 분석​​ 및 시뮬레이션을위한 다른 프로그램에 내보낼 수 있습니다. </li></ol> 4 사용자 정의 맞게 자동 분할 참고 : 큰 볼륨에서 정확한 밀도 모델을 생성 할 수있는 기능을 컴퓨터 과학의 배경 경험을 필요로하지만, 수 있습니다 자동 분할에 대한 사용자 정의 스크립트를 만들려면이 방법을 사용합니다. <ol><li> 도구 (MATLAB (27)의 모양이 주관 분할의 구체적인 예) <ol><li> 이미지 전처리 : 수행 노이즈 제거, 배경 제거 및 이미지 향상다음 파이프 라인을 사용하여 : <ol><li> imread 명령을 사용하여 이미지를로드합니다. <ol><li> 명령 줄에서 다음을 입력합니다 &gt;&gt; 메신저 = imread $의의 image_path 분석 할 수있는 이미지의 위치의 ($의 image_path). </li></ol></li><li> 이미지 처리 도구 상자에서 추정 또는 알려진 잡음 전력에 대한 신호 비율 (NSR)를 사용하여 위너 필터를 호출합니다. </li><li> 이전에 처리 된 이미지를, 그 후, 배경 레이어를 추정 imopen 화상 개구 함수를 호출 다른 마스크로 결과를 할당. <ol><li> 명령 줄에서 다음을 입력합니다. &gt;&gt; 배경 = imopen (메신저, strel의 ($ shape_string, $ 크기)),이 방법에서, $의 shape_string 크기가 분석기로 주어진 변수 $ &#39;디스크&#39;와 같다 즉 &gt;&gt; 배경 = imopen (메신저, strel ( &#39;디스크&#39;, 15)). </li></ol></li><li> 배경으로 필터링 된 이미지를 뺍니다. <ol><li> &gt;&gt; IM2 = 메신저 - :를 명령 줄에서 다음을 입력배경 </li></ol></li><li> 결과의 품질에 따라, 또는 이미지 처리 도구 상자에서 기능 imadjust를 사용하여 호출 할 수있는 적응 오츠의 방법 (28)없이 이미지 정규화를 수행합니다. <ol><li> 명령 줄에서 다음을 입력합니다 &gt;&gt; IM3 = imadjust (IM2) </li></ol></li><li> 정규화 된 이미지를 자르기로 관심의 영역을 제한, 분할에 대한 관심의 기능을 준비합니다. <ol><li> imtool 명령을 사용하면, 자른 될 관심 영역을 탐구하고 명령에 좌표를 제공 벡터 [1 개 Y1 2 배 Y2가]에 해당 &gt;&gt; im3_crop = imcrop (IM3, [1 개 Y1 2 배 Y2), 사각형 영역이 잘릴 수 있습니다. </li></ol></li></ol></li><li> (관심 특징 걸쳐 2D 영상에 선형 흔적) 각 개체의 다른 카테고리에 대해 구체적인 예를 제공하여 알고리즘을 가르치 인식 / 감독 형상 분류 형상. <ol><li> VLFEAT 29 API가 성공적으로 설치되어 있는지 확인하고보다 깊이있는 문서에 대한 VLFEAT의 웹 사이트를 방문하십시오. </li><li> 명령 줄에서 다음을 입력 &gt;&gt; [TREE, ASGN] = VL_HIKMEANS (im3_crop, $ K $ NLEAVES) $ K가 사용하는 클러스터의 수 또는 관찰자에 데이터를 정렬하고 싶은 클래스의 수입니다, 달러 NLEAVES 잎 클러스터의 원하는 번호가 즉입니다 &gt;&gt; [TREE, ASGN] = VL_HIKMEANS (im3_crop, 4100) </li><li> VLFeat의 입력으로 수동으로 분할 기능을 사용합니다. 참고 :이 오픈 소스 C 기반 라이브러리가 데이터 집합에 대해 가장 잘 작동하도록 선택 방법의 종류에 따라 픽셀 패치, 패치 클러스터링 및 클러스터 중심 위치를 수행합니다. 가능한 옵션은 기반 texton하는 K-평균 클러스터링에서부터 30에 접근하고, 출력 특성이 주어진 모범 설명에 기초하여 원하는 수치 배열이다. </li></ol></li></ol></li><li> 분할이 쿵푸를 사용하여에서야 있지만 계산 비용, 자동화, 더 시각화 및 분석을위한 별도의지도로 기록 될 것입니다 동시에 객체의 세그먼트 여러 클래스에 접근. <ol><li> 이전에 생성 된 숫자 배열 (모델)을로드합니다. </li><li> 입력으로 분할 될 모델과 이미지를 사용하여, VLFeat에서지지 벡터 머신 (SVM) 함수를 호출한다. <ol><li> 명령 줄에서 다음을 입력합니다 &gt;&gt; x는 원래 이미지 im2_crop 자른 y는 목표 이미지를 수동으로 분할 된 이미지입니다 = vl_svmtrain (X, Y, 0.1), [B, w]. 클러스터링에 의해 생성 된 레이블에 따라 결과 색상을 &gt;&gt; ISEG = VL_IMSEG (I, 라벨)를 사용합니다. 주 : 모델의 특성들에 기초하여, VLFeat 클래스의 수에 처음부터 할당 (관심 기능) 화상을 분류한다. 원하는 정확도의 수준에 따라, 또는 다른 방법으로 추정 clust 방법이 조합 될 수있다등의 선체 및 클러스터 센터와 같은 어 매개 변수를 설정합니다. SVM 알고리즘의 출력은 확률 모델과 새로운 데이터 세트에 필요한 여러 종류의 이진 마스크​​이다. </li></ol></li><li> &gt;&gt; $ 형식은 &#39;티파니&#39;는 imwrite (메신저, $ 형식, $ 파일 이름)와 $ 파일 이름은 출력 파일의 경로입니다 : 명령을 입력하여 결과를 저장합니다. </li><li> &gt;&gt; imshow (IM) : 이미지를 시각화를 들어, 명령을 입력합니다. </li></ol></li></ol>

<ol><li>Auer, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-dimensional+electron+cryo-microscopy+as+a+powerful+structural+tool+in+molecular+medicine%5BTitle%5D)+AND+%22J+Mol+Med+%28Berl%29%22%5BJournal%5D)">Three-dimensional electron cryo-microscopy as a powerful structural tool in molecular medicine.</a> J Mol Med (Berl). 78 (4), 191-202 (2000).</li>
<li>Johnson, M. C., Rudolph, F., Dreaden, T. M., Zhao, G., Barry, B. A., Schmidt-Krey, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessing+two-dimensional+crystallization+trials+of+small+membrane+proteins+for+structural+biology+studies+by+electron+crystallography%5BTitle%5D)+AND+%22Journal+of+visualized+experiments+JoVE%22%5BJournal%5D)">Assessing two-dimensional crystallization trials of small membrane proteins for structural biology studies by electron crystallography.</a> Journal of visualized experiments JoVE. (44), e1846(2010).</li>
<li>Jun, S., Zhao, G., Ning, J., Gibson, G. A., Watkins, S. C., Zhang, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Correlative+microscopy+for+3D+structural+analysis+of+dynamic+interactions%5BTitle%5D)+AND+%22Journal+of+visualized+experiments+JoVE%22%5BJournal%5D)">Correlative microscopy for 3D structural analysis of dynamic interactions.</a> Journal of visualized experiments JoVE. (76), e50386(2013).</li>
<li>Meng, X., Zhao, G., Zhang, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structure+of+HIV-1+capsid+assemblies+by+cryo-electron+microscopy+and+iterative+helical+real-space+reconstruction%5BTitle%5D)+AND+%22Journal+of+visualized+experiments+JoVE%22%5BJournal%5D)">Structure of HIV-1 capsid assemblies by cryo-electron microscopy and iterative helical real-space reconstruction.</a> Journal of visualized experiments JoVE. (54), e3041(2011).</li>
<li>Chen, S., McDowall, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electron+Cryotomography+of+Bacterial+Cells%5BTitle%5D)+AND+%22Journal+of+visualized+experiments+JoVE%22%5BJournal%5D)">Electron Cryotomography of Bacterial Cells.</a> Journal of visualized experiments JoVE. (39), e1943(2010).</li>
<li>Meyerson, J. R., White, T. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Determination+of+molecular+structures+of+HIV+envelope+glycoproteins+using+cryo-electron+tomography+and+automated+sub-tomogram+averaging%5BTitle%5D)+AND+%22Journal+of+visualized+experiments+JoVE%22%5BJournal%5D)">Determination of molecular structures of HIV envelope glycoproteins using cryo-electron tomography and automated sub-tomogram averaging.</a> Journal of visualized experiments JoVE. (58), e2770(2011).</li>
<li>Lucic, V., Forster, F., Baumeister, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+studies+by+electron+tomography%3A+from+cells+to+molecules%5BTitle%5D)+AND+%22Annu+Rev+Biochem%22%5BJournal%5D)">Structural studies by electron tomography: from cells to molecules.</a> Annu Rev Biochem. 74, 833-865 (2005).</li>
<li>Bajaj, C., Yu, Z., Auer, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Volumetric+feature+extraction+and+visualization+of+tomographic+molecular+imaging%5BTitle%5D)+AND+%22J+Struct+Biol%22%5BJournal%5D)">Volumetric feature extraction and visualization of tomographic molecular imaging.</a> J Struct Biol. 144 (1-2), 132-143 (2003).</li>
<li>Lin, G., Adiga, U., Olson, K., Guzowski, J. F., Barnes, C. A., Roysam, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+hybrid+3D+watershed+algorithm+incorporating+gradient+cues+and+object+models+for+automatic+segmentation+of+nuclei+in+confocal+image+stacks%5BTitle%5D)+AND+%22Cytometry+A%22%5BJournal%5D)">A hybrid 3D watershed algorithm incorporating gradient cues and object models for automatic segmentation of nuclei in confocal image stacks.</a> Cytometry A. 56 (1), 23-36 (2003).</li>
<li>Volkmann, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+three-dimensional+variant+of+the+watershed+transform+for+segmentation+of+electron+density+maps%5BTitle%5D)+AND+%22Journal+of+Structural+Biology%22%5BJournal%5D)">A novel three-dimensional variant of the watershed transform for segmentation of electron density maps.</a> Journal of Structural Biology. 138 (1), 123-129 (2002).</li>
<li>Rigort, A., Günther, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+segmentation+of+electron+tomograms+for+a+quantitative+description+of+actin+filament+networks%5BTitle%5D)+AND+%22Journal+of+structural+biology%22%5BJournal%5D)">Automated segmentation of electron tomograms for a quantitative description of actin filament networks.</a> Journal of structural biology. 177 (1), 135-144 (2012).</li>
<li>Cremers, D., Rousson, M., Deriche, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Review+of+Statistical+Approaches+to+Level+Set+Segmentation%5BTitle%5D)+AND+%22Integrating+Color%2C+Texture%2C+Motion+and+Shape.+International+Journal+of+Computer+Vision%22%5BJournal%5D)">A Review of Statistical Approaches to Level Set Segmentation.</a> Integrating Color, Texture, Motion and Shape. International Journal of Computer Vision. 72 (2), 195-215 (2007).</li>
<li>Lin, Z., Davis, L. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Shape-based+human+detection+and+segmentation+via+hierarchical+part-template+matching%5BTitle%5D)+AND+%22IEEE+Trans+Pattern+Anal+Mach+Intell%22%5BJournal%5D)">Shape-based human detection and segmentation via hierarchical part-template matching.</a> IEEE Trans Pattern Anal Mach Intell. 32 (4), 604-618 (2010).</li>
<li>Pettersen, E. F., Goddard, T. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((UCSF+Chimera--a+visualization+system+for+exploratory+research+and+analysis%5BTitle%5D)+AND+%22J+Comput+Chem%22%5BJournal%5D)">UCSF Chimera--a visualization system for exploratory research and analysis.</a> J Comput Chem. 25 (13), 1605-1612 (2004).</li>
<li>Kremer, J. R., Mastronarde, D. N., McIntosh, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+visualization+of+three-dimensional+image+data+using+IMOD%5BTitle%5D)+AND+%22J+Struct+Biol%22%5BJournal%5D)">Computer visualization of three-dimensional image data using IMOD.</a> J Struct Biol. 116 (1), 71-76 (1996).</li>
<li>Zhang, Q., Bettadapura, R., Bajaj, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Macromolecular+structure+modeling+from+3D+EM+using+VolRover+2.0%5BTitle%5D)+AND+%22Biopolymers%22%5BJournal%5D)">Macromolecular structure modeling from 3D EM using VolRover 2.0.</a> Biopolymers. 97 (9), 709-731 (2012).</li>
<li>Giannuzzi, L. A., Stevie, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+of+focused+ion+beam+milling+techniques+for+TEM+specimen+preparation%5BTitle%5D)+AND+%22Micron%22%5BJournal%5D)">A review of focused ion beam milling techniques for TEM specimen preparation.</a> Micron. 30 (3), 197-204 (1999).</li>
<li>Heymann, J. A. W., Hayles, M., Gestmann, I., Giannuzzi, L. A., Lich, B., Subramaniam, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Site-specific+3D+imaging+of+cells+and+tissues+with+a+dual+beam+microscope%5BTitle%5D)+AND+%22Journal+of+structural+biology%22%5BJournal%5D)">Site-specific 3D imaging of cells and tissues with a dual beam microscope.</a> Journal of structural biology. 155 (1), 63-73 (2006).</li>
<li>Knott, G., Rosset, S., Cantoni, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Focussed+ion+beam+milling+and+scanning+electron+microscopy+of+brain+tissue%5BTitle%5D)+AND+%22Journal+of+visualized+experiments+JoVE%22%5BJournal%5D)">Focussed ion beam milling and scanning electron microscopy of brain tissue.</a> Journal of visualized experiments JoVE. (53), e2588(2011).</li>
<li>Wirth, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Focused+Ion+Beam+%28FIB%29+combined+with+SEM+and+TEM%3A+Advanced+analytical+tools+for+studies+of+chemical+composition%2C+microstructure+and+crystal+structure+in+geomaterials+on+a+nanometre+scale%5BTitle%5D)+AND+%22Chemical+Geology%22%5BJournal%5D)">Focused Ion Beam (FIB) combined with SEM and TEM: Advanced analytical tools for studies of chemical composition, microstructure and crystal structure in geomaterials on a nanometre scale.</a> Chemical Geology. 261 (3-4), 217-229 (2009).</li>
<li>Denk, W., Horstmann, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Serial+block-face+scanning+electron+microscopy+to+reconstruct+three-dimensional+tissue+nanostructure%5BTitle%5D)+AND+%22PLoS+Biol%22%5BJournal%5D)">Serial block-face scanning electron microscopy to reconstruct three-dimensional tissue nanostructure.</a> PLoS Biol. 2 (11), e329(2004).</li>
<li>Frangakis, A. S., Hegerl, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Noise+reduction+in+electron+tomographic+reconstructions+using+nonlinear+anisotropic+diffusion%5BTitle%5D)+AND+%22Journal+of+structural+biology%22%5BJournal%5D)">Noise reduction in electron tomographic reconstructions using nonlinear anisotropic diffusion.</a> Journal of structural biology. 135 (3), 239-250 (2001).</li>
<li>Jiang, W., Baker, M. L., Wu, Q., Bajaj, C., Chiu, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Applications+of+a+bilateral+denoising+filter+in+biological+electron+microscopy%5BTitle%5D)+AND+%22Journal+of+Structural+Biology%22%5BJournal%5D)">Applications of a bilateral denoising filter in biological electron microscopy.</a> Journal of Structural Biology. 144 (1), 114-122 (2003).</li>
<li>Van der Heide, P., Xu, X. P., Marsh, B. J., Hanein, D., Volkmann, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficient+automatic+noise+reduction+of+electron+tomographic+reconstructions+based+on+iterative+median+filtering%5BTitle%5D)+AND+%22Journal+of+structural+biology%22%5BJournal%5D)">Efficient automatic noise reduction of electron tomographic reconstructions based on iterative median filtering.</a> Journal of structural biology. 158 (2), 196-204 (2007).</li>
<li>Schneider, C. A., Rasband, W. S., Eliceiri, K. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NIH+Image+to+ImageJ%3A+25+years+of+image+analysis%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">NIH Image to ImageJ: 25 years of image analysis.</a> Nat Methods. 9 (7), 671-675 (2012).</li>
<li>Schindelin, J., Arganda-Carreras, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fiji%3A+an+open-source+platform+for+biological-image+analysis%5BTitle%5D)+AND+%22Nat+Methods%22%5BJournal%5D)">Fiji: an open-source platform for biological-image analysis.</a> Nat Methods. 9 (7), 676-682 (2012).</li>
<li>MathWorks. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=%22MATLAB%22">MATLAB</a>. , (2012).</li>
<li>Otsu, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Threshold+Selection+Method+from+Gray-Level+Histograms%5BTitle%5D)+AND+%22Systems%2C+Man+and+Cybernetics%2C+IEEE+Transactions+on%22%5BJournal%5D)">A Threshold Selection Method from Gray-Level Histograms.</a> Systems, Man and Cybernetics, IEEE Transactions on. 9, 62-66 (1979).</li>
<li>Vedaldi, A., Fulkerson, B. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVedaldi%2C+A+%22VLFeat%3A+An+Open+and+Portable+Library+of+Computer+Vision+Algorithms%22">VLFeat: An Open and Portable Library of Computer Vision Algorithms</a>. , (2008).</li>
<li>Zhu, S. C., Guo, C., Wang, Y., Xu, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((What+are+Textons%3F%5BTitle%5D)+AND+%22International+Journal+of+Computer+Vision%22%5BJournal%5D)">What are Textons?</a> International Journal of Computer Vision. 62 (1-2), 121-143 (2005).</li>
<li>Gagnon, L. H., Longo-Guess, C. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+chloride+intracellular+channel+protein+CLIC5+is+expressed+at+high+levels+in+hair+cell+stereocilia+and+is+essential+for+normal+inner+ear+function%5BTitle%5D)+AND+%22The+Journal+of+neuroscience+the+official+journal+of+the+Society+for+Neuroscience%22%5BJournal%5D)">The chloride intracellular channel protein CLIC5 is expressed at high levels in hair cell stereocilia and is essential for normal inner ear function.</a> The Journal of neuroscience the official journal of the Society for Neuroscience. 26 (40), 10188-10198 (2006).</li>
<li>Briand, P., Petersen, O. W., Van Deurs, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+diploid+nontumorigenic+human+breast+epithelial+cell+line+isolated+and+propagated+in+chemically+defined+medium%5BTitle%5D)+AND+%22In+vitro+cellular+%26+developmental+biology+journal+of+the+Tissue+Culture+Association%22%5BJournal%5D)">A new diploid nontumorigenic human breast epithelial cell line isolated and propagated in chemically defined medium.</a> In vitro cellular & developmental biology journal of the Tissue Culture Association. 23 (3), 181-188 (1987).</li>
<li>Petersen, O. W., Rønnov-Jessen, L., Howlett, A. R., Bissell, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Interaction+with+basement+membrane+serves+to+rapidly+distinguish+growth+and+differentiation+pattern+of+normal+and+malignant+human+breast+epithelial+cells%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Interaction with basement membrane serves to rapidly distinguish growth and differentiation pattern of normal and malignant human breast epithelial cells.</a> Proceedings of the National Academy of Sciences of the United States of America. 89 (19), 9064-9068 (1992).</li>
<li>Shin, J. B., Krey, J. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Molecular+architecture+of+the+chick+vestibular+hair+bundle%5BTitle%5D)+AND+%22Nature+neuroscience%22%5BJournal%5D)">Molecular architecture of the chick vestibular hair bundle.</a> Nature neuroscience. 16 (3), 365-374 (2013).</li>
<li>Yang, W., Zeng, Z., Max, N., Auer, M., Crivelli, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simplified+Surface+Models+of+Tubular+Bacteria+and+Cytoskeleta%5BTitle%5D)+AND+%22Journal+of+Information+%26+Computational+Science%22%5BJournal%5D)">Simplified Surface Models of Tubular Bacteria and Cytoskeleta.</a> Journal of Information & Computational Science. 9 (6), 1589-1598 (2012).</li>
</ol>

저자는 경쟁하는 금전적 이해관계가 없음을 선언합니다.

3D EM 볼륨에서 관련 기능의 추출을위한 효과적인 전략이 시급히 최근 생물학적 영상을 강타했다 데이터 쓰나미와 유지하기 위해 필요합니다. 데이터가 시간 또는 일에 생성 할 수 있지만, 깊이 3D 볼륨을 분석하기 위해 몇 달이 걸립니다. 따라서, 이미지 분석은 과학적 발견을위한 병목 현상되었음을 분명하다; 이러한 문제에 대한 적절한 해결책없이, 영상의 과학자들은 자신의 성공의 희생자가되고 있습니다. 이는 또한 높은 데이터의 복잡성과 일반적으로 단백질 및 단백질 복합체 테두리 다른 하나와 본질적으로는 계조 농도 구배의 연속적으로 나타나는 생물학적 세포에서 발견되는 거대 분자 군집 부분적이다. 문제는 샘플 준비 및 이미징 결함에 의해 복잡하고, 어떤 경우에는 영상 재구성 유물에서 최고의 완전 자동화 된 접근 방식에 대한 문제를 제기 할 수 있습니다보다 완벽한 체적 데이터에있다에스. 가장 중요하지만, 샘플 준비, 촬상 한 생물학적 해석 전문가 좀처럼 잘 계산 과학에 정통한없고, 따라서 효과적으로 피쳐 추출 및 분석 접근하는 방법에 대한 지침을 요구된다는 사실이다. 따라서, 다양한 실시 예를 사용하여, 프로토콜은 세그먼트에 대한 데이터뿐만 아니라, 수동 추상화 모델 생성, 자동 밀도 계 분할 관심 기능 설명서 추적 및 커스텀 메이드 자동 세그멘테이션을위한 단계를 준비​​하는 방법을 설명한다. 절차에 설명 된 수동 및 자동 방법은 여기에 언급 된 일부 분할 소프트웨어의 많은 다양한에서 발견 될 수 있으나, 다른 유사한 기능을 수행하는 동등하게 적합하다. 결과는 3 차원 분할 방법의 각각의 효과는 데이터 집합의 각각의 서로 다른 유형의 다름을 증명한다. 에도의 서로 다른 접근 방식이 질적으로 생산하지만imilar 3D 렌더링은, 최종 생성물로서, 시간 및 노력의 양이 크게 변화 세그멘테이션 과정 각각에 보냈다. 해당 이미지의 특성과 분할 방식 별 개인 목표에 대한 권장 사항은 추가로 다음과 같은 네 가지 하위 절에 설명되어 그림 5에 요약되어있다. 이러한 기준은도 6의 판정 흐름도에 도시 된 바와 같이도 5 않는다., 여섯 데이터 세트에 적용하고, (6)은 단지 각 데이터 세트에 대한 이론적 근거를 제공하기위한 것으로 각 기준 의사 결정 과정에서 가중 된 방법, 그들은만으로는지도 않고, 시작점을 제공하지 않는다. 의사 결정 과정에 영향을 미치는 너무 많은 기준이 단순히있다 : 다른 사람은 원하는 목적 등의 주관적 기준, 반면 일부는 이러한 데이터 세트 특성과 같은 객관적인 기준입니다. 그것은 높은 레프를 표시하는 데이터 세트 말을하는 것이 안전합니다날카로운 선명한 경계와 대비 엘, 잘 분리하고 (너무 다양하지 않음) 상대적으로 균일하며, 많은 수의 개체에 대한 밀도 모델을 표시하는 목적으로 처리하는 기능을 가지고, 자동화 된 접근 방식이 우수한 것입니다하지 않는 경우 수동 접근법은 단순히 자원 (시간) -prohibitive 것이 사실. 콘트라스트가 낮은 경우, 다른 한편으로, 데이터를 퍼지하며, 따라서, 오브젝트가 혼잡하고, 특징이 높은 다양성을 보여 주며, 따라서 이질적 전문가의 지식을 필요로 한 수동 피쳐 추출 이외의 선택이 없을 수 / 분할. 수동 추상화 된 모델 생성 수동 추상화 된 모델 추적, 선형 요소를 분할 자동으로 (스틱) 연결할 수있는 씨앗 포인트 (공을) 제공에 특히 효과적이다. 이러한 공 및 스틱 - 모델은 길이를 측정 할 매우 강력한 될 수 있습니다차와 같은 모델의 방향과는 질적 검사 및 정량 분석​​을 모두 적절하게 추상화 된 모델을 제공합니다. 분석에 소요되는 리소스를 최소화 할 때 일반적으로 사용되는 수동 추상화 모델 생성은 원래의 데이터의 형태로 절대 정확도보다 더 중요하다. 그것은 관심의 선형 및 균일 한 기능 (예를 들면, 필라멘트, 튜브)를 가장 성공적이다. 데이터 콘트라스트, 선명도 및 혼잡이 한 사람의 눈으로 관심 물체를 인식 할 수있는 바와 같이, 이러한 방법의 성공을 결정하는 중요한 역할을하지 않는다. 때로는 그러한 모델들은 세그먼트 골격 골격 주위 영역의 3 차원 맵으로서 이용 될 수있다. 추상적 모델보다는 정확한 밀도 반사이지만, 그것은 3D 밀도 골격 화 된 버전을 나타내고, 따라서 혼란없이 시각화 및 정성 분석을 허용한다. 이러한 길이 정량적 측정은 또한 근사 모델로부터 결정될 수있다. 용수동 추상화 된 모델 세대 소프트웨어의 예는 온라인 키메라의 자세한 사용 설명서를 참조하시기 바랍니다 <a href="http://www.cgl.ucsf.edu/chimera/current/docs/UsersGuide/index.html">http://www.cgl.ucsf.edu/chimera/current/docs/UsersGuide/index.html</a> . 관심의 특징 수동 추적 수동 그림판 추적은 거의 모든 데이터 특성과 잘 작동하지만, 그것은 또한있어서 가장 시간이 소요된다. 때때로, 이러한 얇은 뒤얽힌 세포막 등의 기능의 넓은 다양성을 포함하는 복잡한 이미지 집합에서 관심 특징을 추출하기위한 유일한 방법이다. 관심의 기능이 원활하게 변경 될 때 일부 프로그램에서 사용할 수있는 하나의 유용한 도구가 일시적으로 분할 된 조각 사이의 보간 수 있습니다. 데이터가 선명하고 콘트라스트가 높은 매질에있는 경우 수동 추적은 가장 효율적으로 적용 할 수 있지만, 또한 사용될 수있다사용자만큼 더 도전 데이터 세트에 대한 관심의 대상이 익숙하다. 데이터 복잡성은 객체가 밀접하게 포장 복잡하고 혼잡 한 데이터 세트에 개별 개체에 이르기까지 다양 할 수 있습니다. 자동 접근 방식은 종종 세그먼트에 원하는 볼륨 투쟁 너무 많이 또는 너무 적게 추출로 후자의 경우, 수동 분할은 유일한 선택이 될 수 있습니다. 이러한 뒤얽힌 시트 또는 볼륨과 같은 어려운 기능 형태학은,이 방법으로 추출 할 수 있습니다. 관심의 기능의 높은 인구 밀도의 분할은 시간이 금지되면서 관심의 기능의 인구 밀도가 낮은 경우, 사용자는 여러 가지 어려운 특성을 가진 데이터 셋은 분할 될 수 있음을 알아 두셔야합니다. 수동 추적과 소프트웨어의 예를 들어, 온라인 아미라의 상세한 사용자 설명서를 참조하시기 바랍니다 <a href="http://www.vsg3d.com/sites/default/files/Amira_Users_Guide.pdf">http://www.vsg3d.com/sites/default/files/Amira_Users_Guid</a>e.pdf. 자동화 된 밀도 기반의 분할 수동 기법과 대조적으로, 자동화 된 접근 방식은 일반적으로 이미지의 큰 스택을 분할 할 때 고려해야 할 중요한 요소이다 덜 시간 소모적이다. 그러나, 단순 임계 값은 정확하지 않을 수 있습니다, 그리고 훨씬 더 많은 시간이 자동으로 분할 된 볼륨의 정제 및 큐 레이션에 지출 할 수있다. 자동화 된 밀도 기반의 분할은 모든 분할을 요구하는 관심의 비슷한 기능의 큰 숫자를 표시하는 데이터 세트에 가장 잘 작동합니다. 데이터가 더 복잡하면, 이러한 자동화 된 기술은 아직 초기 단계로서 사용될 수 있지만, 가능성이 관심 피쳐를 포함하는 서브 볼륨을 지정하기 위해 라인 아래 일부 수동 개입을 필요로한다. 이 전략은 일반적으로 선형 또는 모폴로지 뒤얽힌 볼륨에서 잘 작동하지만, 같은 회선 얇은 시트와 거의 성공세포막. 고 충실도에 대한 보답으로 같은 시간과 같은 몇 가지 사용자 자원을 늘리지 동안 자동화 된 방식으로 사용자 개입을 최소화는 크고 작은 볼륨을 분할 할 수 있습니다. 자동화 된 밀도 기반의 세분화와 소프트웨어의 예를 들어, 온라인 아미라의 자세한 사용 설명서를 참조하시기 바랍니다 <a href="http://www.vsg3d.com/sites/default/files/Amira_Users_Guide.pdf">http://www.vsg3d.com/sites/default/files/Amira_Users_Guide.pdf</a> . 커스텀 메이드 자동 분할 커스텀 메이드 자동 세그멘테이션은 특정 데이터 세트에 대한 알고리즘의 전력 지정을 허용하지만, 종종 기능 특성의 제한에 적합한 데이터 세트 또는 데이터 타입을 특정하며, 쉽게 일반화 될 수 없다. 여기에 전시하는 절차는 유역 침수 및 다른 레벨과 일반 자동 분할 방식과는 다릅니다<html> 이러한 시드 포인트에서 고속 행진 큐브 확장 하였다 임계 시드 포인트의 판정에 의존하는 프로그램 집합 방법. 이 테마의 변형은 그라데이션 벡터 정보 기능 경계를 알리는 경계 분할이다. 대조적으로, 여기에 사용되는 사용자 정의 스크립트는 사용자가 수동으로 몇 가지 예를 추적 훈련 단계에 의존한다. 기계 학습을 통해 특정 알고리즘을 감지하고 독립적으로 지속적으로 추적에있는 속성 및 데이터 특성을 인식하는 방법을 배웁니다. 알고리즘을 재교육 더 예를 포함하여 분할의 정밀도를 향상시킬 수있는 전문 사용자는 기능 기준 큰 집합을 제공하도록 추적. 큐 레이션은 단지 수동 추적 등 노동 집약적으로 할 수있다 전반적으로, 임계 값 및 관련 접근 방식, 또는 커스텀 메이드 방식은, 세포 내 소기관이나 모양의 복잡한 다양성 이미지에서 관심의 단일 기능을 추출 유용하지 않을 수 있습니다. &quot;&gt; 데이터의 선별 및 분할 접근법을 선택을위한 전략 그림 5와 그림 4와 적절한 데이터 세트의 요약에 나와있는 주관적이고 객관적인 기준을 감안할 때, 그림 6에 도시 된 의사 결정 방식은 데이터 세트의 큰 다양한 기능을 추출 전략의 효과적인 평가를 지원할 수 있습니다. 데이터 세트는도 4에 도입 사 각각의 목적뿐만 아니라 사 주관적인 기준 중 어느 하나를 포함 할 수있다 각각의 네 개의 연속적인 결정에 triaged된다. 예로서,도 6는 여섯 데이터 각각의 선별을위한 합리적 세트는 (그림 3). 의심 할 여지없이, 거기에 하나의 고유 한 경로가 아니라 각 데이터 세트에 대한 t을 발생할 수 있습니다 의사 결정을위한 다른 기준 다음이 행렬을 통해 오히려 다른 경로데이터 세그먼트에 대한 동일하거나 상이한 추천 오. 모든 데이터 세트가 예상 할 수없는 속성의 그것의 자신의 세트를 가지고 동안, 여섯 예는 각각 선호하는 기능을 추출 / 분할 방식 뒤에 이론적 근거에 대한 설명과 쌍을, 주어진다. 또한 대부분의 다른 의사 결정 경로는 동일하거나 다른 분할 방법의 사용에 하나 결과는 (그림 6)에 대한 제안을 포함한다. kinocilium 자동화 된 접근 가능성이 성공할 수 있습니다 명확하게 정의 된 경계를 설정 선명 데이터입니다. 관심의 모든 기능은 물론 다시 자동화 된 접근 방식을 선호, 분리된다. 또한, 관심있는 특징은 커​​스텀 메이드 분할 비교적 균질 데이터 세트 이상적으로 서로 유사하다. 마지막으로, 목적은 반자동 방식 호의 전체 피쳐를 추출하는 것이었다. 결과적으로, 그것은 체결 한 것 자동 임계 값 (초록색 라인)뿐만 아니라 맞춤 설계 (예) 감독 세그먼트를 형성 방식 (녹색 점선)은 모두이 데이터 세트에 잘 할 가능성이 높다. 결정 네트워크에서 다른 순서로 배치되지만 유사 기준은, 박테리아의 경우에 적용된다. 이 데이터 세트가 매우 큰 때문에 커스텀 메이드 접근 방식은 부분적으로 추천합니다; 따라서, 한정된 자원은 노동 집약적 인 수동 작업 / 분할 방식을 금지하고 있습니다. 임계 값이 허용되는 결과를 산출 한 것입니다 동안, 주문 제작 방식은 박테리아 사이 또는 오른쪽 옆에있는 세균 중 하나에있는 세포 외 금속 예금에서 둥그스름한 박테리아 모양을 분리하는 연구의 주요 목적을 수행 할 수 있었다, 따라서 커스텀 메이드 방식이 선호되었다. stereocilia 데이터 세트의 경우, 첫 번째 고려 사항은 원하는 목적이었다 목표 전체 농도를 표시 할 수 있습니다또는 기하학적 모델을 만들 수 있습니다. 관심 용적은 혼잡 영역이고, 상기 대물은 세그먼트에 후속 등 것이 도움이되었다 길이, 번호, 거리, 방향을 포함하여 정량적 체적 분석을 실행하기 위해 분리 된 개체와 같은 개체의 다수였다 그 개체 관심은 주로 선형이었고, 이것은 선택의 방법을 추적 기하학적 모델을 만들었다. 그러나, 대신에 목표가 자동 임계 프로토콜을 가능하게 할 선명하게 정의 경계 전체 밀도, 다음 선형 피쳐 형태뿐만 아니라 비교적 높은 콘트라스트를 표시되었을 경우. 세포막과 미토콘드리아 데이터의 경우 인해 기능 형태의 자신의 범주에 자동화 된 접근 방식에 대한 도전 아르 : 뒤얽힌 시트와 볼륨을 각각. 정확하게 목표 셀 또는 미토콘드리아 윤곽을 추적하는 것이지만, 그렇게 할 경우에만 한정된 자원이있다. 인터의 또한, 기능추정은 복잡하며 미토콘드리아 데이터는 아마도 상기 커스터마이즈가인가 될 수있다 박테리아 걸리는 맞춤 스크립팅 접근법 세트이지만, 쉽게 자동으로 검출 또는 모양 부호화 없다. 다행히도, 미토콘드리아 막 자체는 단지 전체 부피의 작은 부분을 나타내고, 따라서, 수동 추적은 시간이 많이 소요되는 방법이라도 간단하다. 콘트라스트가 다소 낮고 경계가 아니라 퍼지 때 수동 추적은 또한 이러한 데이터 세트에 대한 선택의 방법이다. 그들은 데이터 세트의 상당한 부분을 구성하는 경우에도 결과적으로, 이러한 복잡한 시트는 단순히 수동으로 인해 더 나은 대안의 부족으로 추적해야한다. 목표는 세그먼트 조밀 한 간격 및 붐비는 풍경을 구성하는 모든 개체를에 때문에 공장 데이터 세트는 자신의 문제를 제기했다. 밀도를있는 그대로 표시 형상과 물체의 조직,하지만 B에 대한 측정을 가능하게 할여를 수동으로 각 사상 객체가 자동 임계 값 대신에 비용이 너무 많이 사용되었다됩니다 분할. 3 차원 모델을 만드는 다양한 단계 및 대응 결과는 여기에 표시되어 있지만, 더 중요한 것은, 검색된 데이터 및 개인의 특성 기준 세그먼트의 최적 경로가 또한 밝혀져있다 결정하는데 결정적인 것으로. 화상 데이터 자체의 특성이 중요한 반면, 혼잡, 선명도 및 다른 모양 또는 (예 소기관, 필라멘트, 막 등)의 기능의 수로서 여기에 설명 된 것을 포함한다. 주관적 기준 (측정 / 계산, 골격 화 표현 데이터 / 3D 렌더링의 볼륨 표시), 관심있는 기능의 형태 학적 특성 (선형, 연장 된 네트워크, 복잡하고, 복잡한)의 밀도 분할의 원하는 목적을 포함 고려 전체 볼륨 (아르 개체의 분율에 관하여 관심 기능중요한)를 추출 할 필요가 있고, 원래의 데이터의 세그먼트의 충실도에 자원을 늘리지의 장단점 및 자원 할당을 위해 실질적으로 더 높은 증분 개선 결과 투자 수익률 감소를 분산. 영상 분할의 분야는 크게 최근 몇 년 동안 성숙, 아직 특효약, 모든 것을 할 수있는 알고리즘이나 프로그램이 없다. 데이터 세트 크기에 정기적으로 수십 기가 바이트의 수백 메가 바이트에서 성장, 그들은 이제 불가능 가까운 수동 분할을하고, 테라 바이트를 초과하기 시작했다. 따라서, 더 많은 리소스가 인간의 의사 결정 프로세스를 모방 영리한 및 시간 효율적인 피쳐 추출 방법에 투자 할 필요가있다. 이러한 노력은 (Google 어스 유사) 시맨틱 계층 데이터베이스는, (2) 데이터 추상화 기법 (즉, 천이 기반 (1) 지리 정보 시스템 (GIS)과 결합 될 필요컴퓨터 보조 설계 (CAD) 소프트웨어들이 자주 사용되는 바와 같이, (3) 시뮬레이션 기술, 크게 데이터의 양을 감소시키고, 따라서 더 큰 볼륨 (35)의 디스플레이를 가능하게하기 위해 호환 형상 / 체적 표현 복셀) 발 엔지니어링 분야뿐만 아니라 (게임 산업을 위해 개발되는 것과 유사한) 플라이 스루 애니메이션을 포함하여 (4) 고급 애니메이션과 영화 제작 기능. 확실히, 효율적으로 피쳐 추출 및 분할은 다른 데이터 유형에 대해 수행 하였다 셀룰러 고해상도 영상이 오는 회전의 중심에 더 나은 방법이 항상 필요한 반면, 그리고, 원리 여기서 제시뿐만 아니라 어떤 방식의 예를 속인다 , 걸릴 접근하는 결정을하기위한 몇 가지 유용한 정보를 제공 할 것입니다.

전통적으로, 전자 현미경은 (EM) 필드는 1) 높은 초 고해상도 TEM을 사용하여 구조 생물학 분기로 분할되어, 일반적으로 내재적 또는 명시 적 데이터와 고분자 복합체의 3 차원 (3D) 구조를 조사하기 위해 평균화와 결합 정의 된 구성과 일반적으로 상대적으로 작은 크기 1-4, 및 전체 휴대 풍경이 1,5,6를 가시화되는 2) 세포 이미징 지점. 구조 생물학의 지점은 지난 40 년간 극적으로 발전을 겪은 반면, 세포 생물학의 지점은 대부분 종종 덜보다 최적으로 보존 샘플에 두 가지 차원으로 제한했다. 단지 지난 10 년간 전자 단층의 도래와 함께 일반적으로 셀룰러 경관, 따라서 관심의 기능으로서 수행 될 수 평균 제 5,7 차원으로 확장 된 미세 세포 생물학적 이미징을 가지며, 일반적으로 고유하다. 시각화 셀룰러 장면 눈에 종종 충격적 있지만 정확한 단백질 조성물은 일반적으로 알 수 없기 때문에, 관심과 같은 고도로 복잡한 셀룰러 볼륨 후속 정량 분석​​의 기능을 효율적으로 추출 따라서 이들 세포를 해석하기가 어려운하게 부분적 뒤쳐 3D 볼륨. 이 현재까지 광범위한 생물학적 지식은 종종 복잡한 단층 촬영을 해석, 또는 심지어 3D 볼륨에서 중요한 영역과 필수적 구성 요소를 식별하기 위해 필요하다. 또 다른 합병증으로, 3D 볼륨 시각화는 매우 사소하다. 3D 볼륨은 생각 때문에 2D 이미지의 스택으로 시각화 할 수 있습니다. 순차 차원 영상의 각 슬라이스 검사는 복잡성을 감소 시키지만, 이는 또한 제한이 치수로 추출하고, 따라서 정량 분석​​이 있습니다. 그러나, 대부분의 3 차원 오브젝트에 대한 3 차원 볼륨의 묘사는 단순히 연속 평면의 스택은 불완전한 리드특정 시스템의 3D 자연에 D 왜곡 된 관점입니다. 육안 검사의 대체 모드 셀룰러의 자주 밀도 자연 주어진 두 볼륨 렌더링 또는 표면 렌더링을 필요로 볼륨을 - 수 따라서 대화 형 수동 분할이 어려워 쉽게 중첩 된 객체의 방해보기로 이어질 또는 모두 사용자를 압도. 이러한 장벽, 자동화 된 특징 추출의 큰 다양성을 해결하기 위해 (분할) 방식은 일반적으로 density- 또는 그라데이션 기반 8-10 중 아르 개발되었다. 최근의 방법은 관심의 특정 기능을 대상으로 할 수 있지만, 그러나, 이러한 방법은 액틴 필라멘트 (11)로,에 관계없이 지역이나 기능은 전문가에 관심있는의 세그먼트에 전체 볼륨을 경향이있다. 또한, 자동 분할을 실행하는 프로그램은 때때로 예 유역 immersio 적용시 (서브 - 볼륨이 다수 생산 될 수있다종종 관심의 전체 기능을 포함하거나 추가적인 세그멘테이션을하여야 수동으로 다시 병합 될 필요 N 분할). 이 때문에 대부분의 렌더링 컴퓨터 알고리즘은 종종 원하는 분할 볼륨을 생성하는 데 필요한 전문가에 의해에만 충실하여 원하는 기능 및 실질적인 큐 레이션 노력을 추출 할 수없는, 특히 복잡하고 혼잡 한 데이터 세트도 마찬가지입니다. 또한, 매우 구체적인 문제에 대한 맞춤형 솔루션은 종종이 넓은 만들기에 더 중점이 거의 과학적인 회의 종이로 출판 수학, 컴퓨터 과학 및 / 또는 분야의 친밀한 지식이없는 연구자들에게 포괄적 인 도구에 액세스 할 수 있습니다 컴퓨터 그래픽입니다. 이미지 분석 라이브러리의 범위를 포함하는 맞춤형 프로그래밍 소프트웨어 환경, 사용자가 효율적으로 정확한 분할을 위해 자신의 모듈을 작성할 수 있도록 강력한 도구 설정 될 수있다. 그러나,이 접근법은 내선 필요ensive 교육 및 다양한 기능 또는 이미지 분석 기능을 활용하기 위해 컴퓨터 과학에 대한 배경. 하나는 자신의 주변 12,13에서 관심 물체를 분리하는 &quot;템플릿&quot;의 독특한 기하학에 의존 강력한 형상 기반 접근법을 이용하여, 예를 들어 기능이 더 드물다 특정 데이터 세트에 대해 그러한 다목적 소프트웨어 환경 내에서 작동 할 . 컴퓨터 그래픽 시각화 패키지 공정 다양한 대화 형 수동 분할 및 모델 구축을 위해 존재한다. 캘리포니아 샌프란시스코 대학 키메라 (14), 콜로라도 IMOD (15)의 대학과 텍사스 대학 오스틴 VolumeRover 16 : 다른 사람이 학문적 기원 아르와 같은 무료로 배포하면서 일부 패키지는 상업적으로 사용할 수 있습니다. 그러나, 이러한 프로그램이 보유 특성과 기능의 넓은 범위 및 복잡성은 EA에 대한 학습을​​ 가파르게채널. 특정 시각화 프로그램에는 공 및 복잡한 3D 용적의 단순화 된 모델을 생성하기 위해 밀도 맵에 배치 될 수있는 다양한 크기의 막대기 같은 단순한 기하학적 모델을 제공한다. 이 모델은 간단한 기하학적 및 체적 측정이 때문에 그냥 &quot;예쁜 그림&quot;을 넘어 수 있습니다. 개체의 그러한 설명서 추적 물체의 작은 번호를 추적 및 추출 할 필요가 볼륨에 대해 잘 작동한다. 그러나, 사용하는 대용량 차원 미세 화상의 최근 발전은 어느 집속 이온빔 스캐닝 전자 현미경 (FIB-SEM)을 17-20 또는 직렬 블록면을 주 사형 전자 현미경 (SBF-SEM)은 21은 3 차원 데이터의 크기가 추가적인 합병증을 제시 세트는 수십 기가 바이트와 기가 바이트의 수백, 심지어 테라 바이트에 이르기까지 다양 할 수 있습니다. 따라서, 그러한 큰 3D 볼륨 서, 피쳐 추출 사실상 액세스 할 수없는, 따라서 효율적인 사용자 유도 반자동 묘기우레 추출은 가까운 미래에 3D 볼륨의 효율적인 분석을위한 병목 현상 중 하나가 될 것입니다. 일상적으로 생물 이미지 형식의 넓은 범위에서 사용되는 네 가지 분할 방식이 여기에 표시됩니다. 이러한 방법은 다음 생물 학자들이 자신의 데이터의 효과적인 특징 추출을위한 최적의 분할 접근 될 것인가를 결정하는 데 도움을 참조로 컴파일 있도록 데이터 세트의 서로 다른 유형의 효과에 대해 비교된다. 자세한 사용자 매뉴얼에 설명 된 대부분의 프로그램에 사용할 수있는 바와 같이, 목표는이 특별한 패키지의 한 잠재적 인 사용자가 익숙하게하지 않는 것입니다. 대신, 목표는 다양한 특성을 가진 여섯 예시적인 데이터 세트에 적용함으로써 이러한 상이한 분할 전략의 각각의 장점과 한계를 보여주는 것이다. 이러한 비교를 통해, 일련의 기준은 하나의 대물 화상의 특성을 기반으로 개발되었다예컨대 분할에 대해 원하는 목표 주관적인 고려로부터 데이터 콘트라스트, 선명도, 혼잡, 복잡성, 또는 줄기와 같은 3 차원 데이터 세트는 기능의 모폴로지는의 분율을 의미 관심 특징 인구 밀도, 분단 할 관심의 기능을, 어떻게 일이 진행 최적의 같은 시간과 직원의 가용성 유한 한 자원에 의해 점유 된 볼륨을 설정합니다. 이러한 다양한 예시적인 데이터 집합이 객관적 및 주관적인 기준 데이터 세트를 특정 유형의 특정 피쳐 추출 방법의 페어링을 수득 다양한 조합을 순차적으로 적용 할 수있는 방법을 예시한다. 희망 초보자 도움이 될 것입니다있는 추천은 분할 옵션의 큰 다양성에 직면 자신의 3D 볼륨을위한 가장 효과적인 분할 방법을 선택합니다. 본 연구의 초점은 데이터 수집 및 사전 처리 데이터에 피쳐 추출 주목이지만 효율적인들에 중요egmentation. 종종 시료의 염색 불균일 할 수 있고, 따라서 잠재적 염색 아티팩트 분할 절차에서 고려되어야한다. 그러나, 얼룩은 대개 더 높은 신호 - 대 - 잡음을 제공하고, 따라서 더 적은 필터링 및 잠재적으로 아티팩트가 발생할 수 셀룰러 볼륨의 다른 수학적 처리를 필요로한다. 각각의 원시 화상 데이터 세트는 3 차원 체적으로, 정확한 콘트라스트 및 카메라 화소 설정 취득한 정렬 및 재구성 될 필요가있다. 단층 촬영의 경우, 정렬 된 이미지는 가중 역 투영을 사용하여 통상적으로 재구성되고, 그 데이터 세트는 일반적으로 비선형 이방성 확산 (22), 양자 필터링 (23) 또는 (24)를 필터링 재귀 중앙값으로서 잡음 제거 알고리즘을 받는다. FIB-SEM 및 SBF-SEM 영상 데이터는 같은 ImageJ에 25 XY 활용 프로그램 간 상관 관계를 연속 조각으로 정렬됩니다. 콘트라스트 개선 및 필터링의 기능을 강화하기 위해 적용될 수있다관심 따라서는 화상 스택 잡음보기 해제한다. 필터링 방법은 계산 비용이 많이들 수 있습니다으로 필터링, 선택하거나 선택한 서브 볼륨에 서브 볼륨을하기 전에 전체 볼륨 중 하나를 수행 할 수 있습니다. 데이터가 크게 기대 해상도에 비해 오버 샘플링 된 경우 다운 샘플 때로는 소음 감소 및 / 또는 파일 크기 감소를 위해 사용되는 데이터 (비닝)의 단지 추천합니다. 노이즈 감소 후에, 처리 된 화상은 그 다음 다양한 방법으로 분할 될 수 있으며,이 연구의 초점은 다음의 네 가지에 : 공 - 및 - 스틱 모델을 만드는 과정 (1) 수동 추상화 모델 생성 (2) 수동 추적 프로젝트 특정 세그먼트에 대한 스크립트를 통해 관심, (3) 자동화 된 임계 값 기반 밀도, (4) 커스텀 메이드 자동 분할의 기능. 경계 분할 팔과 몰입 유역 분할 열은 단순 임계 값에 더 나은 대안이 있지만, t는이봐 같은 범주에 속하고,이 토론에 명시 적으로 포함되지 않았다. 밀도 수동 추적 슬라이스 슬라이스하여 각 서브 셀 영역의 원래 농도의 유지를 허용, 관심의 기능을 개략적으로 필요로한다. 이 방법은 세그멘테이션 프로세스의 최대 제어 할 수 있지만 번거롭고 노동 집약적 인 공정이다. 알고리즘은 사용자 정의 된 파라미터들의 세트에 기초하여 픽셀을 선택하는 곳에 자동 임계 값 기반 (그리고 관련) 밀도 세그멘테이션 방법은 반자동이다. 이러한 UCSF 키메라, IMOD, 피지 26 및 VolumeRover 여러 대학 (프리) 시각화 패키지는, 패키지 (유료 라이선스를 필요로) 사용할뿐만 아니라, 상업용, 및 두 가지 유형은 일반적으로 이러한 세그멘테이션 방법 중 하나 이상을 포함한다. 이러한 여러 가지 방법을 설명하기 위해이 작업에 사용되는 소프트웨어 패키지는 상용 프로그램과 교육 개방의 포함수동 추상적 모델뿐만 아니라, 수동 및 자동 밀도 분할을 생성하기위한 프로그램 ource. 그러나, 오픈 소스 소프트웨어는 종종 사용자 정의의 가능성을 통해 고급 옵션을 제공 할 수 있습니다. 데이터 세트의 다른 종류를 사용하여 이러한 기술의 비교는 우리의 지식에 아직 게시되지 않은 다양한 생물학적 데이터 3D 볼륨의 분할에 접근하는 방법에 대한 다음과 같은 규칙의 발표 및 안내되었다. 따라서,이 제 체계적 다른 접근법을 비교하고 서로 다른 목표와 사용자의 특성을 가진 다양한 데이터 세트에 유용성이있다.

<table><tbody><tr><td>Amira</td><td>FEI Visualization Sciences Group</td><td></td><td></td>,</tr><tr><td>http://www.vsg3d.com/amira/overview Chimera</td><td>UCSF</td><td></td><td>http://www.cgl.ucsf.edu/chimera/</td></tr> <tr><td>Fiji/ImageJ</td><td>National Institute of Health</td><td></td><td>http://fiji.sc/Fiji, http://rsbweb.nih.gov/ij/</td></tr> <tr><td>IMOD</td><td>Boulder Laboratory for 3D Electron Microscopy of Cells (세포의 3D 전자 현미경을 위한 IMOD 볼더 연구소)</td><td></td><td>http://bio3d.colorado.edu/imod/</td></tr> <tr><td>포토샵</td><td>어도비</td><td></td><td>http://www.adobe.com/products/ photoshopfamily.html</td></tr><tr><td>MATLAB</td><td>MathWorks</td><td></td><td></td></tr> <tr><td>http://www.mathworks.com/ VLFeat</td><td>VLFeat</td><td></td><td>http://www.vlfeat.org/</td></tr></tbody></table>

복셀에서 지식 : 복잡한 전자 현미경 3d-데이터의 분할에 대한 실용 가이드

From Voxels to Knowledge: A Practical Guide to the Segmentation of Complex Electron Microscopy 3D-Data

현대 3 차원 전자 현미경 방식은 최근 이러한 접착 착체뿐만 아니라 고차 구조 등의 골격 등 및 셀룰러 소기관 큰 거대 분자 기계의 시각화를 가능하게, 세포 및 조직의 3 차원 미세 조직으로 전례 통찰력을 허용 할 그들의 각각의 세포 및 조직 콘텍스트. 셀룰러 볼륨의 복잡한 특성을 감안할 때, 먼저 자신의 3 차원 조직의 시각화, 정량화, 따라서 이해를 허용하기 위해 관심있는 특징을 추출하는 데 필수적이다. 각 데이터 세트는 데이터의 고유 특성, 예를 들면, 신호대 잡음비, 선명도 (선명도)에 의해 정의되고, 그것의 기능, 특징, 존재 또는 쉽게 식별 가능 특징 형상의 부재의 혼잡 및 백분율의 이질성 관심의 특정 영역이 차지하는 전체 부피. 이러한 모든 특성은 고려 될 필요결정할 때 분할에 대해 수행하는 접근한다. 세 가지 다른 영상으로 얻을 수 있었다 제시된 여섯 가지 차원 미세 데이터 세트 접근 : 수지 포함 된 스테인드 전자 단층 촬영, 이온 빔 - 직렬 블록 페이스 주사 전자 현미경 (FIB-SEM, SBF-SEM)을 집중 약간 스테인드 무겁게 스테인드 샘플 각각. 이러한 데이터 세트의 경우, 네 개의 다른 분할 방법이 적용되었다 : (1) 완전 수동 모형 구축 (3) 반자동 접근법 따라 표면 렌더링 뒤에 데이터 (2) 수동 추적 세그먼트, 모델의 시각화에 의해서만 이어 표면 렌더링, 또는 표면 렌더링 및 정량 분석​​ 하였다 (4) 자동 맞춤 설계 분할 알고리즘에 의해. 데이터 세트의 특성의 조합에 따라서는 이러한 네 범주 접근법은 일반적으로 하나의 성능을 능가 다른 것을 발견했지만, 기준 정확한 순서에 따라 MO다시 이상의 접근은 성공적 일 수있다. 이들 데이터에 기초하여, 우리는 서로 다른 데이터 세트의 분석을위한 객관적 데이터 세트 특성 및 개인 주관적인 기준을 모두 분류 선별 기법을 제안한다.

셀룰러 차원 전자 현미경을위한 병목 고도로 복잡한 3D 밀도 맵에서 피쳐 추출 (분할)된다. 우리는 따라서 효율적인 세그멘테이션 대한 시작점을 제공하고, 분할 방식 (수동, 반자동 또는 자동으로)가 상이한 데이터 유형에 가장 적합 관한 지침을 제공하는 기준의 세트를 개발했다.

복셀에서 지식 : 복잡한 전자 현미경 3D-데이터의 분할에 대한 실용 가이드

Modern 3D electron microscopy approaches have recently allowed unprecedented insight into the 3D ultrastructural organization of cells and tissues, ...

다음 실험의 전반적인 목표는 세포 및 조직의 복잡한 3D 전자현미경 데이터 세트에서 분석 대상이 되는 특징들을 분할하여 이들의 3D 구조를 분석하는 것입니다. 이는 개별 전자현미경 이미지로 구성된 데이터 세트를 수집함으로써 달성됩니다. 가공되지 않은 2D 데이터는 3D 볼륨으로 재구성된 후, 노이즈를 줄이고 분석 대상 특징을 강화하기 위해 필터링 과정을 거칩니다. 두 번째 단계로, 분할을 위한 최적의 방법을 선택하기 위해 데이터의 객관적 및 주관적 특성을 평가합니다.다음으로, 수동 추상화, 모델 생성 또는 관심 특징의 수동 트레이싱을 수행합니다. 관심 특징을 추출하기 위해 자동 밀도 기반 분할 또는 맞춤형 자동 분할을 수행합니다. 결과는 이미지 특성을 분류하고 최적의 분할 접근 방식을 선택하기 위한 개인적 목적에 따라 기반하여 생성된 관심 특징의 최종 3D 분할 모델을 보여줍니다.다양한 데이터 세트에 대해 서로 다른 접근 방식을 비교하면 올바른 세그멘테이션 전략을 선택하는 데 도움이 됩니다. 본 연구에서는 관심 특징을 추출하기 위한 다양한 방법을 제시합니다. 세포 내 전자 현미경 볼륨의 복잡성을 고려할 때, 각 접근 방식은 나름의 장점과 한계가 있습니다.일반적으로 세그멘테이션을 처음 접하는 사람들은 데이터 세트마다 최적의 접근 방식을 식별하는 것이 항상 명확하지 않기 때문에 어려움을 겪을 수 있습니다. 대학원생의 고충 토로와 더불어, Tai가 박사후 연구원으로서 해당 절차를 시연할 것입니다.저의 연구실 소속 연구원인 Amit Hassan과 컴퓨터 시스템 엔지니어인 Joaquin Korea와 함께, 기하학적 측정을 수행하기 위해 기하학적 모델을 생성하는 것이 유일한 목적일 때 수동 추상 모델 생성이 사용됩니다. 우선, 데이터 볼륨을 적절한 프로그램으로 불러옵니다. 본 시연에서는 수동 추상 모델 생성을 위해 kymera 소프트웨어를 사용합니다.먼저 '파일'에서 '열기'를 선택하여 파일 열기 대화 상자를 띄운 후, 원하는 지도가 있는 파일 위치로 이동합니다. 다음으로 볼륨 뷰어를 실행하고 '피처 표시 스타일'을 선택하여 서로 다른 렌더링 스타일로 데이터를 표시합니다. 볼륨 뷰어 창의 히스토그램에 있는 수직 바를 드래그하여 표시 임계값을 조정합니다.3D 볼륨을 탐색하여 분할할 관심 영역을 선택하고, 필요한 경우 더 작은 하위 볼륨으로 크롭하십시오. 볼륨 뷰어 대화 상자에서 feature를 선택하고 subregion selection을 선택한 다음, 클릭 앤 드래그하여 관심 영역 주변에 직사각형 상자를 생성하십시오. 다음으로, 관심 feature를 따라 마커를 배치하고 모델이 완성될 때까지 적절한 위치에 링커로 연결하십시오.볼륨 뷰어 메뉴 바에서 이를 수행하려면 tools, volume tracer dialogue를 선택하십시오. 볼륨 트레이서 대화 상자를 열려면 그곳에서 file, new marker.Set을 선택하십시오. 볼륨 트레이서 대화 상자에서 mouse, place markers on high density, place markers on data, planes move 및 ize markers link new marker to selected marker와 link consecutively selected markers를 체크하십시오.그런 다음 볼륨 트레이서(volume tracer) 창에서 마우스 오른쪽 버튼을 사용하여 마커 배치(place markers)를 선택하고 마커와 링크의 반지름 값을 입력합니다. 다음으로 볼륨 데이터를 마우스 오른쪽 버튼으로 클릭하여 마커 배치를 시작합니다. 마커들은 볼륨 트레이서 대화 상자에서 자동으로 연결됩니다.파일을 선택하고 현재 마커를 저장하십시오. 그런 다음 파일 종료 마커를 설정하십시오. 설정이 완료되면, 관심 있는 두 번째 특징의 모델 구축을 시작하기 위해 새로운 마커 세트를 여십시오.특징 간의 차이를 강조하기 위해 마커 세트 사이에 대비되는 색상을 사용하십시오. 관심 특징을 수동으로 추적하는 방법은 개체군 밀도가 상대적으로 낮고 특징 추출의 정확도가 가장 중요할 때 사용하는 시간이 많이 소요되는 방식입니다. 시작하려면 수동 추적 옵션이 있는 소프트웨어 프로그램으로 볼륨 데이터를 가져오십시오.이 기능에는 일반적으로 기본적인 브러시 도구가 제공됩니다. 본 시연에서는 대용량 토모그램 분석을 위해 Amira 소프트웨어를 사용합니다. 데이터 열기(open data)를 선택하고 파일 이름 rec를 마우스 오른쪽 버튼으로 클릭하십시오.그런 다음 format을 클릭하고, large disc data로서 raw를 선택하십시오. 확인(Okay)을 누르고 load를 클릭하십시오. 헤더 정보에서 적절한 raw 데이터 파라미터를 선택하고 확인(okay)을 클릭하십시오.토글한 후 새로운 파일 이름으로 저장하십시오. am 파일입니다. 3D 이미지 시퀀스의 경우, 데이터 열기를 선택하고 tiff 파일 이름 또는 dot mrmc 파일 이름을 선택하십시오.그런 다음 토글한 후, 마우스 오른쪽 버튼을 클릭하고 파일 이름을 am으로 하여 다른 이름으로 저장을 선택하십시오. 3D 뷰어 창에서 ortho slice를 선택하여 이미지 파일을 엽니다. 그런 다음 하단의 슬라이더를 사용하여 슬라이스를 탐색하며 대형 디스크 데이터로 열린 더 큰 데이터를 크롭하십시오.풀 창에서 파일 이름을 토글한 다음, 마우스 오른쪽 버튼을 클릭하고 lattice access를 선택하십시오. 원하는 박스 크기를 입력하고 박스를 원하는 영역으로 이동시킨 후 apply를 클릭하십시오. 새 파일을 저장하십시오.다음으로, 풀(pool) 창에서 파일을 토글하여 세그멘테이션 파일을 생성합니다. 그런 다음 마우스 오른쪽 버튼을 클릭하고 labeling label field를 선택합니다. 새 파일이 생성되어 세그멘테이션 에디터 탭과 객체 풀에 자동으로 로드됩니다.페인트브러시 도구를 사용하여 관심 있는 첫 번째 특징의 경계를 따라 그립니다. 원하는 대로 브러시 크기를 조절한 다음, 마우스 포인터를 사용하여 관심 특징의 경계를 따라 그립니다. 단축키 F를 사용하여 그려진 영역을 채웁니다. 플러스 기호가 있는 버튼을 클릭하여 선택 영역을 추가합니다.모든 슬라이스에서 관심 특징을 추적하며 수동 추적 분할을 반복합니다. 소프트웨어 사용자 가이드의 지침에 따라 시각화 및 기본적인 정성적 또는 정량적 분석을 위한 표면 렌더링을 생성하려면, 객체 풀 탭의 풀 창에서 파일 이름 레이블을 전환하십시오. 그런 다음 마우스 오른쪽 버튼을 클릭하고 surface gen을 선택하십시오.원하는 표면 특성을 선택하고 적용(apply)을 클릭하십시오. 풀(pool)에 surf라는 이름의 새 파일이 생성됩니다. 분할된 볼륨을 시각화하려면 풀 창에서 surf 파일을 토글하십시오.그런 다음 마우스 오른쪽 버튼을 클릭하고 surface view를 선택하십시오. 텍스트 프로토콜에 설명된 대로 시각화 및 정성적 분석을 위한 표면을 생성합니다. 대비, 선명도 또는 밀집도가 다양한 데이터 세트에서는 자동 밀도 기반 분할을 사용하여 관심 밀도를 추출하며, 이를 통해 임계값 설정 매직 완드나 기타 밀도 기반 도구가 갖춰진 프로그램으로 볼륨 데이터를 가져와 자동 분할을 시작합니다.관심 특징의 수동 트레이싱 기법에서와 마찬가지로, 본 시연에서는 경계가 명확히 구분되지 않는 특징을 처리하기 위해 Amira 소프트웨어를 사용합니다. 임계값 아이콘을 선택하여 임계값 도구를 사용하십시오. 슬라이더를 조정하여 밀도를 원하는 범위 내로 설정함으로써 관심 특징만 마스킹되도록 합니다.선택 버튼을 클릭한 다음, 플러스 기호가 있는 버튼이나 단축키를 클릭하여 선택 영역을 추가하십시오. 텍스트 프로토콜에 설명된 대로 시각화 및 정성 분석을 위한 표면을 생성하십시오. 모든 네 번째 접근 방식입니다.사용자 맞춤형 자동 분할(Custom tailored automated segmentation)을 통해 대규모 데이터 세트를 효율적으로 분할할 수 있지만, 이를 위해서는 MATLAB과 같은 프로그램에 대한 지식이 필요합니다. 이 방법에 대한 단계별 지침은 사용자 맞춤형 분할에 관한 보충 영상을 참조하십시오. 6개의 예시 데이터 세트를 네 가지 방식으로 분할하였습니다. 수동 추상 모델 생성, 관심 특징의 수동 트레이싱, 자동 밀도 기반 분할 및 사용자 맞춤형 자동 분할을 사용하였으며, 수동 추상 모델 생성은 수지(resin)에 효과적이었습니다.입체섬모의 임베디드 염색 토모그래피(Embedded stained tomography)의 목적은 식물 세포벽의 수지 임베디드 염색 토모그래피에서 정확한 밀도를 추출하는 것보다 정량적 분석을 위한 모델을 생성하는 것이었습니다. 자동화된 밀도 기반 분할법(Automated density based segmentation)이 많은 슬라이스에 걸쳐 셀룰로오스를 빠르게 추출하는 데 가장 효과적이었습니다. 수동 방법은 단 몇 개의 데이터 슬라이스만으로도 더 많은 노력이 소요되었습니다.수동 추상 모델 생성은 운동성 섬모의 단계별 토모그래피에서 미세소관 삼중체를 생성한 반면, 두 가지 자동화 방식은 밀도를 더 빠르게 추출하였으며, 따라서 집중 이온 빔 및 유방 상피 세포의 주사 전자 현미경으로 관찰한 미토콘드리아의 형태 덕분에 더 선호되었습니다. 수동 트레이싱은 가장 깨끗한 결과를 제공했으며, 낮은 개체군 밀도 덕분에 빠른 분할이 가능했습니다. 분할이 필요한 부피가 컸기 때문에, 연속 절편면 주사 전자 현미경 박테리아 데이터를 분할하는 데에는 맞춤형 자동 분할이 가장 효율적인 것으로 입증되었습니다.집중 이온 빔 주사 전자 현미경(focused ion beam scanning electron microscopy)으로 촬영한 유방 상피 세포막을 추출하는 유일한 방법은 수동 트레이싱이었으나, 이는 시간이 많이 소요되었습니다. 세그멘테이션(segmentation) 접근법의 개발은 구조 세포 생물학이라는 신흥 분야의 연구자들이 다양한 세포 배양, 오가노이드 배양 또는 모델 생물체에서 거대 분자 복합체, 세포 소기관 및 세포 수준의 세포 3D 구조를 탐구하고 결정할 수 있는 길을 열어주었습니다. 이 영상을 시청하고 나면, 귀하의 데이터 세트에 가장 적합한 세그멘테이션 접근법을 선택하고 적용하는 방법에 대해 충분히 이해하게 될 것입니다.

from-voxels-to-knowledge-practical-guide-to-segmentation-complex

Research

연구

JoVE Journal

Bioengineering

생명공학

여기에서는 공초점 및 직렬 블록면 주사 전자 현미경을 연결하여 고유 조직에서 특정 세포의 미세 구조를 밝히는 cocem3D 방법을 소개합니다.

특정 감각 세포의 상호 공 초점 및 3D 전자 현미경

많은 이미징 기술 3 차원 데이터의 세분화는 복잡 한 생물 학적 시스템의 분석에서 주요 병목 이다. 여기, 우리가 설명 하는 다양 한 길이 스케일에서 체적 데이터를 세그먼트 반자동 SuRVoS 워크 벤치를 사용 하 여 예제 데이터 집합에서 cryo 전자 단층 촬영, cryo 소프트 x 선 단층 촬영, 그리고 위상 대비 x 선 단층 촬영 기법을 사용 하 여.

볼륨 세분화 및 SuRVoS (슈퍼 지역 볼륨 세분화) 워크 벤치를 사용 하 여 생물학 물자의 분석

설명된 파이프라인은 기가바이트보다 큰 전자 현미경 데이터 세트를 세분화하여 전체 세포 형태를 추출하도록 설계되었습니다. 셀을 3D로 재구성하면 개별 요구를 중심으로 설계된 맞춤형 소프트웨어를 사용하여 3D로 직접 정성적 및 정량적 분석을 수행할 수 있으며 가상 현실을 사용하여 뷰 오클루전을 극복할 수도 있습니다.

신경교 세포와 신경 세포의 3D 재건 및 가상 현실 분석을위한 방법

여기서, 우리는 관심 있는 지역을 표적으로 하기 위하여 직렬 블록 면 및 집중된 이온 광선 주사 전자 현미경 을 능등하게 결합하기 위한 프로토콜을 제시합니다. 이를 통해 3차원으로 효율적으로 검색하고 넓은 시야에서 드문 이벤트를 찾을 수 있습니다.

직렬 블록 얼굴 및 집중된 이온 빔 검사 전자 현미경 검사법을 사용하여 표적으로 한 연구 결과

우리는 스캐닝 전자 현미경의 자동화 된 이미징 절차와 함께 배열 단층 촬영 샘플로 사용하기 위해 대형 전송 지원에 직렬 섹션의 리본과 컬렉션의 준비를 설명합니다. 이 프로토콜을 통해 로컬, 희귀 한 이벤트의 스크리닝, 검색 및 표적 이미징및 대량 데이터 볼륨을 수집 할 수 있습니다.

스캐닝 전자 현미경 을 사용하여 대량 정보의 표적 수집을위한 배열 단층 학워크

여기에서는 축 신장 및 세분화의 맥락에서 마우스 배아의 세 가지 및 네 차원 이미지 데이터를 시각화하고 분석 할 수있는 계산 도구 및 방법을 설명하고, 토토 광학 투영 단층 촬영에서 얻은 다중 광자 현미경을 사용하여 라이브 이미징 및 전체 마운트 면역 형광 염색을 수행합니다.

척추동물 축 신장 및 세분화를 연구하기 위한 세 가지 및 네 차원 시각화 및 분석 접근법

여기서, 25 nm 하프 피치의 해상도로 전체 냉동 보존된 세포의 초구조를 이미지화하기 위해 냉동 소프트 X선 단층촬영(SXT)에 필요한 샘플 준비 및 데이터 수집 단계를 기술하는 프로토콜이 제시된다.

Cryo Soft X선 단층 촬영에 의한 세포의 3D Cartographic 설명

이것은 하나의 단층 촬영의 일부를 훈련 입력으로 사용하여 극저온 전자 단층 촬영의 다중 클래스 분할을 위해 다중 슬라이스 U-Net을 훈련하는 방법입니다. 이 신경망을 다른 단층그램과 유추하는 방법과 서브토모그램 평균화 및 필라멘트 추적과 같은 추가 분석을 위해 분할을 추출하는 방법을 설명합니다.

Deep Learning-based segmentation of Cryo-Electron Tomograms(극저온 전자 단층 촬영의 딥러닝 기반 분할)

초저온 전자 단층촬영(cryo-ET)을 사용하면 나노미터 분해능에서 세포 초미세 구조를 3D로 시각화할 수 있지만 수동 분할은 여전히 시간이 많이 걸리고 복잡합니다. 우리는 cryo-ET 단층촬영을 위한 고급 가상 현실 소프트웨어를 통합한 새로운 워크플로우를 제시하고, 포유류 세포의 미토콘드리아를 분할하여 그 효과를 보여줍니다.

초저온 전자 단층촬영(cryo-electron tomography) 데이터의 몰입형 세분화 및 분석을 위한 가상 현실 활용

우리는 대부분의 빛을 반사 현미경에 맞게 설계된 저가의 극저온 단계의 제조를 보여줍니다. 이 연구소 - 건설 극저온 단계 cryo - 빛과 cryo - 전자 현미경 사이에 효율적이고 신뢰할 수있는 상호 이미지 수 있습니다.

상관 라이트 / 전자 현미경을위한 저가의 Cryo - 라이트 현미경 스테이지 제작

학습하세요 복잡한 3D 전자현미경 데이터에서 특징을 분할하는 방법을. 수동 및 자동화된 세분화 기법을 비교하여 세포 구조 분석에 최적의 접근법을 선택하는 실용적인 프레임워크를 제공합니다.

복셀에서 지식 : 복잡한 전자 현미경 3D-데이터의 분할에 대한 실용 가이드

더 많은 동영상 탐색