Segmentacja objętościowa i analiza materiałów biologicznych za pomocą środowiska pracy SuRVoS (Super-region Volume Segmentation)

Ogólnym celem tej procedury jest półautomatyczna segmentacja skomplikowanych wolumetrycznych zbiorów danych o charakterze biologicznym. Metoda ta może pomóc odpowiedzieć na kluczowe pytania z zakresu biologii strukturalnej, umożliwiając jakościową i ilościową analizę danych wolumetrycznych. Główną zaletą tej techniki jest to, że chociaż metoda ta może zapewnić wgląd w biologiczne zbiory danych, można ją również zastosować w innych dziedzinach, takich jak materiałoznawstwo.

To oprogramowanie wykorzystuje inny przepływ pracy jako programy segmentacyjne, co może powodować początkowe trudności przy pierwszym użyciu SuRVoS. Dlatego demonstracja wizualna ma kluczowe znaczenie dla zrozumienia tego nowego przepływu pracy. Segmentacja dużych, dobrze zdefiniowanych obszarów przy użyciu trenowania modelu jest demonstrowana na zestawie danych tomografii rentgenowskiej z kontrastem fazowym.

Aby rozpocząć tę procedurę, uruchom środowisko pracy SuRVoS. Kliknij przycisk Otwórz zestaw danych i wybierz plik danych, który ma zostać podzielony na segmenty w wynikowym wyskakującym okienku. Wybierz odpowiednią orientację zestawu danych.

Następnie wybierz folder, w którym chcesz przechowywać obszar roboczy i skojarzone pliki. Kliknij przycisk Załaduj. Na karcie Select ROI wprowadź współrzędne początkowe i końcowe X, Y i Z dla naszego regionu i kliknij Dodaj.

Po dodaniu sekcji upewnij się, że jest ona zaznaczona, zaznaczając pole po prawej stronie. Następnie w zakładce Kanały funkcji użyj menu rozwijanego, aby wybrać funkcję i dodać ją do kolejki. Zmodyfikuj wszystkie opcje specyficzne dla funkcji i wybierz wejściowy zestaw danych, na którym chcesz uruchomić funkcję.

Kliknij pole wyboru po prawej stronie nazwy elementu, który ma zostać obliczony. Wiele obiektów może być uruchamianych na tym samym zestawie danych, a obliczone funkcje mogą być używane jako wejściowe zestawy danych do dalszego przetwarzania. Następnie wybierz zakładkę Super regiony.

W sekcji Super woksele użyj menu rozwijanego, aby wybrać filtrowany zestaw danych, z którego zostaną utworzone super woksele. Określ kształt, odstępy i zwartość. Kliknij przycisk Zastosuj, aby wygenerować super woksele.

Aby ocenić jakość super wokseli, wyświetlaj je samodzielnie, bez nakładania danych. Jeśli interesujące cechy wynikające z danych są nadal widoczne w samych super wokselach, dobrze reprezentują one dane. Na karcie Adnotacja kliknij przycisk Dodaj poziom, aby dodać poziom adnotacji.

Kliknij przycisk Dodaj etykietę na nowo utworzonym poziomie, aby dodać etykietę do adnotacji. Następnie w sekcji skrótów narzędzi wybierz ikonę pióra. Zestaw opcji zostanie wyświetlony w górnej części okienka wizualizacji.

Wybierz opcję super wokseli i pióro o średniej szerokości, aby rozpocząć tworzenie danych treningowych do trenowania modelu. Kliknij pole po prawej stronie informacji o etykiecie, aby wybrać etykietę, do której chcesz dodać adnotację. Następnie kliknij i przeciągnij w okienku wizualizacji, aby dodać adnotacje do wielu super wokseli.

Na karcie Trenowanie modelu ustaw poziom przewidywania na poziom zawierający adnotacje trenowania ręcznego. Następnie w sekcji deskryptora ustaw region na super woksele. Kliknij listę rozwijaną Wybierz źródła i zaznacz pola wyboru funkcji lub filtrów, aby wybrać deskryptory, które będą używane do różnicowania regionów danych.

Kliknij na przycisk Przewiduj. Po zakończeniu obliczeń okienko wizualizacji zostanie zaktualizowane o przewidywania dotyczące etykiety adnotacji, do której należy każdy woksel bez etykiety. Po ocenie efektu metodologii szkoleniowych i wybraniu jednej z nich, kliknij menu rozwijane Uściślij w sekcji udoskonalenia, aby zastosować dodatkowe udoskonalenie.

W dolnej części karty trenowania modelu w sekcji Aktualizowanie adnotacji upewnij się, że menu rozwijane wizualizacji jest ustawione na przewidywania. Następnie użyj suwaka ufności, aby przypisać mniej więcej więcej super wokseli bez adnotacji do wybranych etykiet adnotacji. Po wybraniu odpowiedniego poziomu ufności kliknij przyciski Zapisz obok etykiet u dołu narzędzia ufności, aby zapisać przewidywania w określonych etykietach.

Okienko wizualizacji zostanie zaktualizowane w celu odzwierciedlenia wprowadzonych zmian. W razie potrzeby powtórz trenowanie modelu z dodatkowym udoskonaleniem i przewidywaniami o wysokim poziomie ufności, aż będzie niewiele lub nie będzie żadnych nieoznakowanych super wokseli. Segmentacja mniejszych, bardziej złożonych regionów za pomocą superregionów została zademonstrowana na zestawie danych tomografii krioelektronowej.

Po dodaniu odpowiednich poziomów i etykiet w zakładce adnotacji wybierz etykietę. Używając pióra o średniej szerokości, rozpocznij dodawanie adnotacji z wybranymi super wokselami. Jedną ze strategii segmentacji superregionów jest szybkie segmentowanie na jednym wycinku, przesunięcie kilku plasterków powyżej lub poniżej i wypełnienie luk w nowym wycinku.

W ten sposób wycinki pośrednie będą również opisywane przy mniejszym wysiłku ze strony użytkownika. Następnie, aby jeszcze bardziej uporządkować adnotacje, wybierz etykietę segmentacji i jedną z metod uściślania morfologicznego. Wprowadź wartość promienia i wybierz sposób zastosowania metody zagęszczenia.

Następnie kliknij przycisk Uściślij. Klasyfikacja i analiza obiektów danych jest demonstrowana na zestawie danych kriomiękkiej tomografii rentgenowskiej. Po pełnej segmentacji danych kliknij drugą kartę w okienku wizualizacji o nazwie Rozdzielacz etykiet.

Nowy obszar, okienko tworzenia reguły, zostanie dodany po prawej stronie okna. W górnej części okienka tworzenia reguły wybierz poziom i etykiety do dzielenia etykiet. Następnie wybierz zestaw danych do wykonania zapytania, a następnie kliknij pozycję Etykieta.

Każdy obiekt w wybranych etykietach będzie teraz obrysowany na niebiesko jako osobne obiekty w okienku wizualizacji. Okienko tworzenia reguły będzie teraz zawierało wykres przedstawiający średnią intensywność obiektów. Kliknij pole rozwijane w prawym górnym rogu, aby zmienić wyświetlaną miarę.

Następnie kliknij przycisk Dodaj nową etykietę u dołu okienka tworzenia reguły, aby rozpocząć dzielenie obiektów na odpowiednie klasy. Kliknij przycisk Dodaj nową regułę i użyj pól listy rozwijanej i dowolnego wprowadzania formularza, aby zdefiniować regułę, która ma zostać zastosowana. Kliknij przycisk Zastosuj, aby wyświetlić efekty nowej reguły w okienku wizualizacji i na wykresie w okienku tworzenia reguły.

Po sklasyfikowaniu wszystkich interesujących nas obiektów przejdź do zakładki Adnotacje. Utwórz nowy pusty poziom. Następnie wybierz ten nowy poziom w zakładce tworzenia reguły i kliknij Zapisz etykiety.

Kliknij kartę Statystyka etykiet na krawędzi okienka wizualizacji, aby otworzyć nowe okienko wizualizacji, którego można użyć do zrozumienia relacji między klasami obiektów. U góry wybierz odpowiedni poziom i etykiety oraz zestaw danych do wykonania zapytania. Następnie wybierz kilka interesujących Cię miar, zaznaczając pola obok nich.

Kliknij przycisk Etykieta, aby utworzyć wykresy porównawcze parami dla każdej z wybranych miar. Jeśli miara musi zostać dodana lub usunięta, kliknij odpowiednie pole wyboru, a następnie kliknij przycisk Aktualizuj wykres. W tym badaniu zademonstrowano dwie strategie segmentacji i jedno narzędzie klasyfikacyjne w środowisku pracy SuRVoS.

W przypadku trenowania modelu ładowany jest zestaw danych o stosunkowo wysokim kontraście z granicami definiującymi region. Dane są filtrowane i ograniczane, aby lepiej rozróżnić tło, pierwszy plan i struktury wewnętrzne. Super woksele są następnie budowane na podstawie przefiltrowanego zestawu danych.

Po ocenie jakości super wokseli wykonywane są ręczne adnotacje, aby wytrenować klasyfikator do przewidywania obszarów odpowiadających tłu, szczecinie owoców, materiałowi siewnemu i otaczającemu miąższowi. Udoskonalenia morfologiczne służą do oczyszczenia segmentacji poprzez wypełnienie. W przypadku segmentacji superregionów ładowany jest hałaśliwy i złożony zestaw danych.

Następnie odpowiedni zestaw filtrów jest stosowany do wybranego obszaru zainteresowania. Po wytrenowaniu i segmentacji modelu szybkie adnotacje ręczne są używane co pięć do 10 wycinków, aby wybrać super woksele, które opisują interesującą funkcję. Podział etykiet jest następnie demonstrowany przy użyciu zestawu danych z wieloma różnymi organellami.

Po pierwsze, stosuje się odpowiedni filtr całkowitej zmienności w celu wzmocnienia granic organelli. Organelle są półręcznie segmentowane za pomocą mega wokseli i super wokseli, a rafinacja służy do wypełniania i gładkich krawędzi. Rozdzielacz etykiet służy do wizualizacji każdej organelli jako obiektu w zestawie danych, a następnie do wizualizacji różnych cech każdego obiektu na wykresie danych.

W tym przypadku stworzono zasady podziału organelli na pięć odrębnych klas w oparciu o ich dziedziczne właściwości, na przykład wielkość lub średnią intensywność. Rozdzielacz etykiet może służyć do wyprowadzania informacji ilościowych o danych i rozpoczęcia rozumienia kontekstu komórkowego. Po obejrzeniu tego filmu powinieneś dobrze zrozumieć, jak używać środowiska pracy SuRVoS do półautomatycznej segmentacji.

Za pomocą tej procedury można dokonać porównań wielu stanów biologicznych, aby odpowiedzieć na pytania, na przykład dotyczące choroby typu dzikiego, a następnie leczonych schorzeń. Po opanowaniu technika ta może przyspieszyć proces segmentacji około pięciokrotnie, jeśli zostanie wykonana prawidłowo. Zgodnie z tą procedurą można użyć programów do wizualizacji, aby renderować wyniki do publikacji i tworzenia filmów.