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

Общая цель этой процедуры заключается в полуавтоматической сегментации сложных объемных наборов данных биологического характера. Этот метод может помочь ответить на ключевые вопросы в области структурной биологии, позволяя проводить качественный и количественный анализ объемных данных. Основное преимущество этого метода заключается в том, что хотя этот метод может дать представление о биологических наборах данных, он также может быть применен в других областях, таких как материаловедение.

Это программное обеспечение использует другой рабочий процесс в качестве программ сегментации, что может вызвать первоначальные трудности при первом использовании SuRVoS. Таким образом, визуальная демонстрация имеет решающее значение для понимания этого нового рабочего процесса. Сегментация больших четко определенных областей с помощью обучения модели демонстрируется на наборе данных фазово-контрастной рентгеновской томографии.

Чтобы начать эту процедуру, запустите верстак SuRVoS. Нажмите кнопку «Открыть набор данных» и выберите файл данных для сегментации в появившемся всплывающем окне. Выберите подходящую ориентацию для набора данных.

Затем выберите папку, в которой будет храниться рабочая область и связанные с ней файлы. Нажмите кнопку «Загрузить». На вкладке Выбрать ROI введите координаты начала и конца X, Y и Z для интересующего региона и нажмите Добавить.

После добавления раздела убедитесь, что он выбран, установив флажок справа. После этого во вкладке Каналы функций с помощью выпадающего меню выберите функцию и добавьте ее в очередь. Измените все параметры, относящиеся к объекту, и выберите входной набор данных, на котором будет запущен компонент.

Установите флажок справа от имени функции, для которой требуется выполнить вычисления. Несколько объектов могут быть запущены на одном и том же наборе данных, а вычисленные объекты могут быть использованы в качестве входных наборов данных для дальнейшей обработки. Затем выберите вкладку «Суперрегионы».

В разделе Супервоксели с помощью выпадающего меню выберите отфильтрованный набор данных, из которого будут созданы супервокселы. Укажите форму, интервал и компактность. Нажмите кнопку «Применить», чтобы создать супервоксели.

Чтобы оценить качество супервокселей, отображайте их отдельно без наложения данных. Если интересующие вас особенности данных все еще видны только в супервокселах, они хорошо представляют данные. На вкладке Аннотации нажмите кнопку Добавить уровень, чтобы добавить уровень аннотации.

Нажмите кнопку Добавить метку на только что созданном уровне, чтобы добавить метку для аннотации. Далее в разделе ярлыков инструмента выберите значок пера. Набор параметров появится в верхней части панели визуализации.

Выберите параметр супервокселов и перо средней ширины, чтобы начать создание обучающих данных для обучения модели. Щелкните поле справа от информации о метке, чтобы выбрать метку для аннотации. Затем щелкните и перетащите курсор на панели визуализации, чтобы добавить заметки к нескольким супервоксалям.

На вкладке Обучение модели задайте для параметра Уровень прогноза уровень, содержащий аннотации ручного обучения. Затем в разделе дескрипторов установите регион на супер воксели. Щелкните раскрывающийся список «Выбрать источники» и установите флажки для выбранных функций или фильтров, чтобы выбрать дескрипторы, которые будут использоваться для различения областей данных.

Нажмите на кнопку «Предсказать». Когда вычисления будут завершены, панель визуализации обновится с прогнозами о том, к какой метке аннотаций принадлежит каждый непомеченный воксель. Оценив эффект от методик обучения и выбрав одну из них, нажмите на раскрывающийся список «Уточнить» в разделе уточнений, чтобы применить дополнительное уточнение.

В нижней части вкладки обучения модели в разделе Обновление аннотаций убедитесь, что в раскрывающемся меню визуализации выбрано значение Прогнозы. Затем используйте ползунок достоверности, чтобы назначить больше или меньше неаннотированных супервокселей выбранным меткам аннотаций. После выбора соответствующего уровня достоверности нажмите кнопки Сохранить рядом с метками в нижней части средства проверки достоверности, чтобы сохранить прогнозы в определенных метках.

Панель визуализации обновится в соответствии с внесенными изменениями. При необходимости повторяйте обучение модели с дополнительной уточнением и прогнозами с высокой степенью достоверности до тех пор, пока неразмеченных супервокселей не останется мало или вообще не будет. Сегментация меньших, более сложных областей с использованием суперобластей продемонстрирована на наборе данных криоэлектронной томографии.

После добавления соответствующих уровней и меток во вкладке аннотаций выберите метку. Используя перо средней ширины, начните аннотирование с выделенными супервокселями. Одна из стратегий сегментации суперрегионов заключается в том, чтобы быстро сегментировать один срез, переместиться на несколько срезов вверх или ниже и заполнить пробелы на новом срезе.

Таким образом, промежуточные срезы также будут аннотированы с меньшими усилиями со стороны пользователя. Далее, чтобы еще больше очистить аннотации, выберите метку сегментации и один из методов морфологического уточнения. Введите значение радиуса и выберите способ применения метода уточнения.

Затем нажмите кнопку Уточнить. Классификация и анализ объектов данных продемонстрированы на наборе данных криомягкой рентгеновской томографии. После полной сегментации данных перейдите на вторую вкладку в области визуализации под названием «Разделитель меток».

В правой части окна будет добавлена новая область, панель создания правил. В верхней части области создания правил выберите уровень и метки для разделения меток. Затем выберите набор данных для запроса и нажмите кнопку Метка.

Каждый объект в выбранных метках теперь будет обведен синим цветом как отдельные объекты на панели визуализации. Панель создания правил теперь будет содержать график, показывающий среднюю интенсивность объектов. Нажмите на выпадающее меню в правом верхнем углу, чтобы изменить отображаемую меру.

Затем нажмите кнопку Добавить новую метку в нижней части панели создания правил, чтобы начать разбиение объектов на соответствующие классы. Нажмите кнопку Добавить новое правило и используйте раскрывающийся список и поля ввода в свободной форме, чтобы определить правило, которое будет применяться. Нажмите кнопку Применить, чтобы увидеть эффекты нового правила в области визуализации и на графике в области создания правила.

После того, как все интересующие объекты классифицированы, перейдите на вкладку Аннотации. Создайте новый пустой уровень. Затем выберите этот новый уровень на вкладке создания правил и нажмите кнопку Сохранить метки.

Щелкните вкладку Статистика меток на краю панели визуализации, чтобы открыть новую панель визуализации, которую можно использовать для понимания отношений между классами объектов. В верхней части экрана выберите подходящий уровень, метки и набор данных для запроса. Затем выберите несколько интересующих мер, установив флажки рядом с ними.

Щелкните Надпись, чтобы построить графики попарного сравнения для каждого из выбранных измерений. Если необходимо добавить или удалить меру, установите соответствующий флажок, а затем нажмите кнопку Обновить график. В данном исследовании демонстрируются две стратегии сегментации и один инструмент классификации в инструментальных средствах SuRVoS.

Для обучения модели загружается набор данных с относительно высокой контрастностью и границами, определяющими регионы. Данные фильтруются и зажимаются, чтобы сделать фон, передний план и внутренние структуры более различимыми. Затем супервоксели строятся на основе отфильтрованного набора данных.

После того, как качество супервокселей оценено, вручную делаются аннотации, чтобы обучить классификатор прогнозировать области, соответствующие фону, фруктовой щетине, семенному материалу и окружающей мякоти. Морфологические уточнения используются для очистки сегментации путем заполнения отверстий. Для сегментации суперрегионов загружается зашумленный и сложный набор данных.

Затем к выбранной области интереса применяется соответствующий набор фильтров. После обучения модели и сегментации через каждые пять-10 срезов используются быстрые ручные аннотации для выбора супервокселей, описывающих интересующий объект. Затем демонстрируется разделение меток с использованием набора данных с множеством различных органелл.

Во-первых, для усиления границ органелл используется соответствующий фильтр полной вариации. Органеллы полувручную сегментируются с помощью мега вокселей и супер вокселей, а рафинирование используется для заполнения отверстий и сглаживания краев. Разделитель меток используется для визуализации каждой органеллы как объекта в наборе данных, а затем для визуализации различных характеристик каждого объекта на графике данных.

Здесь были созданы правила для разделения органелл на пять различных классов на основе их наследуемых свойств, например, размера или средней интенсивности. Разделитель меток может быть использован для вывода количественной информации о данных и начала понимания клеточного контекста. После просмотра этого видео у вас должно сложиться хорошее понимание того, как использовать верстак SuRVoS для полуавтоматической сегментации.

Используя эту процедуру, можно провести сравнение нескольких биологических состояний, чтобы ответить на вопросы, например, о болезни дикого типа и последующем лечении. После освоения этот метод может ускорить процесс сегментации примерно в пять раз, если он выполнен правильно. Следуя этой процедуре, программы визуализации могут быть использованы для рендеринга результатов для публикации и создания фильма.