Çekirdek Miktarını Kolaylaştırmak için Bilgisayarla Görme Kitaplıklarını Kullanma

Bu yöntemi, mekanizmaları tanımlamaya yardımcı olmak, ısı tedavisine bağlı iskelet kası adaptasyonlarının altını çizmek ve nihayetinde pre-diyabetli kişiler arasında metabolik sağlığı iyileştirmek için hücre modellerinden gelen metabolik verileri normalleştirmek için geliştirdik.

Deneysel normalizasyon için çekirdekleri saymalıyız. Çekirdeklerin manuel olarak ölçülmesi, gözlemci yanlılığı, zaman ve farklı numuneler veya koşullarla karşılaşmadaki değişkenlik gibi zorluklar sunar.

Programımız açık kaynak kodludur, kodlama ile ilgili çeşitli teknolojik becerilere sahip bilim adamları tarafından kullanılabilirliği sağlar ve çekirdekleri hızlı ve doğru bir şekilde ölçme görevi için doğrulanmıştır.

Bu teknik, ısı terapisinin kas ve mitokondriyal sağlık yararları üzerindeki potansiyel etkisinin altında yatan mekanizmaları, son NIA tarafından finanse edilen klinik çalışmamızdan objektif olarak doğrulamamızı sağlar.

[Ekran Okuyucusu] Başlamak için, bir bilgisayar sisteminde bir web tarayıcısı başlatın, github.com ve çekirdek sayacı sürümlerine gidin. Count nuclei.zip adlı dosyanın en son sürümünü indirin. İndirilenler klasöründen, zip dosyasına sağ tıklayın ve dosyaları yerel bilgisayarda istediğiniz konuma çıkarmak için Tümünü ayıkla'yı seçin. Ardından, bir komut istemi açmak için arama çubuğunda CMD veya komut istemini arayın. Dizini, indirme klasöründen yeni ayıklanan uygulama dosyası olan yürütülebilir dosyanın dosya yoluna değiştirmek için CD komutunu kullanın. Ardından dizin değişikliğini onaylamak için Enter tuşuna basın. Sonraki komut satırında, görüntülerin yolunu, analiz edilecek görüntülerin bulunduğu klasörün dosya yolu ile değiştirin. Dosya yolu ile çıktı yolu, .csv dosyasının kaydedilmesi gereken klasörün yolu ve çıktı için istenen dosya adıyla results.csv. Ekranda örnek bir kod gösterilir ve görüntülere ve çıktılara giden dosya yolları tırnak içinde gösterildiği gibi eklenebilir. Sonuç dosyası adı olarak results.csv kullanın veya başka bir ad belirtin. Ardından Enter tuşuna basın. Bir sonraki komut satırı göründüğünde, işlemin tamamlandığını onaylayın. Konturların ve sonuç elektronik tablosunun belirtilen çıktı dizininde mevcut olduğunu doğrulayın. Konturları görsel olarak inceleyin ve veri normalleştirmeden önce sayım kalitesini doğrulamak için sayımlarla karşılaştırın. Bir tarayıcı açın ve github.com'daki çekirdek sayacına gidin. Yeşil Kod düğmesini tıklayın, ardından kod deposunu indirmek için ZIP İndir'i seçin. Mac OS için, İndirilenler klasöründen dosya menüsüne tıklayın ve dosyaları yerel bilgisayara çıkarmak için Aç'ı seçin. Kod deposunu içeren nuclei_counter main adlı ayıklanan klasöre gidin. Klasörü erişilebilir bir konuma kaydedin ve bir metin belgesindeki dosya yolunu not edin. Ardından, Spotlight'ı açmak için Command + Boşluk çubuğuna basın. Ardından Spotlight'a terminal yazın ve terminal uygulamasını seçin. Metin belgesinden dosya yolunu kopyalayıp yapıştırarak dizini kod deposu yoluna değiştirmek için CD komutunu kullanın ve Enter tuşuna basın. Bir sonraki komut satırında, dolar işaretinden sonra bir boşluk olduğundan emin olun. Ardından verilen komutu yazın ve gerekli kitaplıkları kurmak ve düzenlenebilir modu etkinleştirmek için Enter'a basın. Boşluk olmadan gösterildiği gibi pip'ten hemen sonra uygun Python sürümünü ekleyin. Dizini, ekranda gösterildiği gibi CD çekirdek sayacı olan ana kaynak kodu dizinine değiştirmek için bir sonraki komut satırına ekrandaki komutu yazın. Ardından, dosya yollarını uygun şekilde değiştirerek ekrandaki komutu yazın ve Enter tuşuna basın. Bir sonraki komut satırı göründüğünde, işlemin tamamlandığını onaylayın. Konturların ve sonuç elektronik tablosunun belirtilen çıktı dizininde mevcut olduğunu doğrulayın. Konturları görsel olarak inceleyin ve veri normalleştirmeden önce sayım kalitesini doğrulamak için sayımlarla karşılaştırın. Otomatik program tarafından oluşturulan görüntülerdeki tüm çekirdekler, çekirdeklerin başarıyla sayıldığını gösteren düz yeşil konturlarla özetlendi. İki manuel sayım arasındaki değerlendiriciler arası güvenilirlik, sınıf içi korelasyon katsayısı 0.999'dan büyük ve P değeri 0.0001'den düşük ile mükemmeldi. Otomatik program, 0,993'lük bir sınıf içi korelasyon katsayısı ve 0,0001'den düşük P değeri ile ortalama manuel sayımla karşılaştırıldığında mükemmel güvenilirlik gösterdi. Sınıf içi korelasyon katsayıları 0.986 ile 0.998 arasında değişen ve tümü 0.0001'den düşük P değerlerine sahip tüm hücre yoğunluğu çeyreklerinde mükemmel güvenilirlik gözlendi. Birden fazla çekirdeğin bir araya toplandığı alanlar veya hale gibi bir artefakt içeren alanlar, otomatik program tarafından doğru bir şekilde sayılmadı. Bu olası sorunlar, hem görüntü kalitesini hem de otomatik çekirdek niceleme iş akışının doğruluğunu iyileştirmek için olası nedenler ve sorun giderme adımlarıyla birlikte ekrandaki tabloda listelenmiştir.