معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

BCM3D 2.0: Accurate segmentation of single bacterialcells in dense biofilms using computationallygenerated intermediate image representations

ویژگی	مقدار
سیستم عامل	-
نام فایل	BCM3D-2.0.1
نام	BCM3D
نسخه کتابخانه	2.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	GahlmannLab <yw9et@virginia.com>
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/BCM3D/
مجوز	-

<a name="readme-top"></a>   <br /> <div align="left"> # BCM3D 2.0  ## About The Project BCM3D 2.0 is entirely complementary to the approach utilized in BCM3D 1.0. Instead of training CNNs to perform voxel classification, we trained CNNs to translate 3D fluorescence images into intermediate 3D image representations that are, when combined appropriately, more amenable to conventional mathematical image processing than a single experimental image. Using this approach, improved segmentation results are obtained even for very low SBRs and/or high cell density biofilm images.The improved cell segmentation accuracies in turn enable improved accuracies of tracking individual cells through 3D space and time. This capability opens the door to investigating time38 dependent phenomena in bacterial biofilms at the cellular level. <div align="left"> ## Getting Started This package was tested on a high-performace computing cluster at University of Virginia with CUDA-enabled GPU and Tensorflow 2.x ### Prerequisites This package uses CSBdeep for training deep leanirng modules. Tensorflow 2.x with its dependencies (CUDA, cuDNN) is required. Please refer to CSBdeep for further instructions (http://csbdeep.bioimagecomputing.com/doc/install.html). ### Installation 1. create and activate a conda enviroment ```sh conda create -n BCM3D2.0 python=3.8 conda activate BCM3D2.0 ``` 2. pip install ```sh pip install BCM3D2.0 ```  ## Usage #### Model training 1. Use **src/IntermediateImageGenerate.py** to generate image representations from ground truth cell arrangement. 2. Use **dategen.ipynb** to generate training pairs (raw data and the corresponding image representations). 3. Use **train.ipynb** to train CNNs that will train a model. #### Prediction 1. Use **src/preprocess.py** to apply background substraction to raw data. (optional) 2. Use **predict.ipynb** to generate segmentations  ## License Distributed under the MIT License. See `LICENSE.txt` for more information. <p align="right">(<a href="#readme-top">back to top</a>)</p>  ## Contact yw9et@virginia.com; jz3nc@virginia.edu; ag5vu@virginia.edu Project Link: https://github.com/GahlmannLab/BCM3D-2.0 Data Link: https://osf.io/m4637 <p align="right">(<a href="#readme-top">back to top</a>)</p>

نیازمندی

مقدار	نام
>=0.7.2	csbdeep
>=0.19.3	scikit-image

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl BCM3D-2.0.1:

pip install BCM3D-2.0.1.whl

نصب پکیج tar.gz BCM3D-2.0.1:

pip install BCM3D-2.0.1.tar.gz