Computer Vision 라이브러리를 사용하여 핵 정량 분석 간소화

우리는 세포 모델의 대사 데이터를 정상화하여 메커니즘을 식별하고, 온열 요법으로 유도된 골격근 적응을 강조하며, 궁극적으로 당뇨병 전단계 환자의 대사 건강을 개선하기 위해 이 방법을 개발했습니다.

실험적 정규화를 위해 핵을 세어야 합니다. 핵의 수동 정량화는 관찰자 편향, 시간, 다양한 샘플 또는 조건을 마주칠 때의 가변성을 포함한 문제를 제시합니다.

우리의 프로그램은 오픈 소스이며 다양한 수준의 코딩 관련 기술을 갖춘 과학자의 유용성을 보장하며 핵을 빠르고 정확하게 정량화하는 특정 작업에 대해 검증되었습니다.

이 기술을 통해 최근 NIA가 자금을 지원한 임상 연구에서 근육 및 미토콘드리아 건강상의 이점에 대한 온열 요법의 잠재적 효과의 기본 메커니즘을 객관적으로 검증할 수 있습니다.

[해설자] 시작하려면 컴퓨터 시스템에서 웹 브라우저를 실행하고 github.com 및 핵 카운터 릴리스로 이동합니다. Count nuclei.zip라는 파일의 최신 버전을 다운로드합니다. 다운로드 폴더에서 zip 파일을 마우스 오른쪽 버튼으로 클릭하고 모두 추출을 선택하여 로컬 컴퓨터의 원하는 위치에 파일을 추출합니다. 그런 다음 검색창에서 CMD 또는 명령 프롬프트를 검색하여 명령 프롬프트를 엽니다. CD 명령을 사용하여 디렉토리를 실행 파일의 파일 경로(다운로드 폴더에서 방금 추출한 응용 프로그램 파일)로 변경합니다. 그런 다음 Enter 키를 눌러 디렉토리 변경을 확인합니다. 다음 명령줄에서 이미지 경로를 분석할 이미지가 포함된 폴더의 파일 경로로 바꿉니다. .csv 파일을 저장하고 출력에 원하는 파일 이름으로 results.csv해야 하는 폴더의 파일 경로가 있는 출력 경로입니다. 예제 코드가 화면에 표시되며 따옴표로 표시된 대로 이미지 및 출력에 대한 파일 경로를 삽입할 수 있습니다. results.csv를 결과 파일 이름으로 사용하거나 다른 파일 이름을 지정합니다. 그런 다음 Enter 키를 누릅니다. 다음 명령줄이 나타나면 처리가 완료되었는지 확인합니다. 등고선 및 결과 스프레드시트가 지정된 출력 디렉토리에서 사용할 수 있는지 확인합니다. 윤곽선을 육안으로 검사하고 개수와 비교하여 데이터 정규화 전에 개수 품질을 확인합니다. 브라우저를 열고 github.com 의 핵 카운터로 이동합니다. 녹색 코드 버튼을 클릭한 다음 ZIP 다운로드를 선택하여 코드 리포지토리를 다운로드합니다. Mac OS의 경우 다운로드 폴더에서 파일 메뉴를 클릭하고 열기를 선택하여 로컬 컴퓨터에 파일을 추출합니다. 코드 저장소가 포함된 nuclei_counter main이라는 추출된 폴더로 이동합니다. 폴더를 액세스 가능한 위치에 저장하고 텍스트 문서의 파일 경로를 기록해 둡니다. 그런 다음 Command + 스페이스바를 눌러 Spotlight를 엽니다. 그런 다음 Spotlight에 터미널을 입력하고 터미널 응용 프로그램을 선택합니다. CD 명령을 사용하여 텍스트 문서에서 파일 경로를 복사하여 붙여넣어 디렉토리를 코드 저장소 경로로 변경하고 Enter 키를 누릅니다. 다음 명령줄에서 달러 기호 뒤에 공백이 있는지 확인합니다. 그런 다음 주어진 명령을 입력하고 Enter 키를 눌러 필요한 라이브러리를 설치하고 편집 가능 모드를 활성화합니다. 공백 없이 표시된 대로 pip 바로 뒤에 적절한 Python 버전을 포함합니다. 다음 명령줄에 onscreen 명령을 입력하여 디렉토리를 기본 소스 코드 디렉토리(화면에 표시된 대로 CD 핵 카운터)로 변경합니다. 그런 다음 파일 경로를 적절하게 바꾸는 화면 명령을 입력하고 Enter 키를 누릅니다. 다음 명령줄이 나타나면 처리가 완료되었는지 확인합니다. 등고선 및 결과 스프레드시트가 지정된 출력 디렉토리에서 사용할 수 있는지 확인합니다. 윤곽선을 육안으로 검사하고 개수와 비교하여 데이터 정규화 전에 개수 품질을 확인합니다. 자동화된 프로그램에 의해 생성된 이미지의 모든 핵은 핵이 성공적으로 계산되었음을 나타내는 녹색 단색 윤곽선으로 윤곽선이 그려졌습니다. 두 수동 카운트 간의 평가자 간 신뢰도는 클래스 내 상관 계수가 0.999보다 크고 P-값이 0.0001보다 작아 우수했습니다. 자동화된 프로그램은 클래스 내 상관 계수가 0.993이고 P-값이 0.0001 미만인 평균 수동 카운트와 비교할 때 우수한 신뢰성을 보여주었습니다. 0.986에서 0.998 범위의 클래스 내 상관 계수를 가진 모든 세포 밀도 사분위수에서 우수한 신뢰성이 관찰되었으며 모두 P-값이 0.0001 미만이었습니다. 여러 핵이 함께 모여 있는 영역이나 후광과 같은 인공물이 있는 영역은 자동화된 프로그램에 의해 정확하게 계산되지 않았습니다. 이러한 잠재적인 문제와 함께 가능한 원인 및 문제 해결 단계와 함께 이미지 품질과 자동화된 핵 정량화 워크플로우의 정확성을 모두 개선하기 위해 화면의 표에 나열되어 있습니다.