معرفی شرکت ها

delta2-2.0b3

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
2.0b3
2.0.5
2.0.4
2.0.3
2.0.2
2.0.1
2.0.0
2.0b3
2.0.5
2.0.4
2.0.3
2.0.2
2.0.1
2.0.0

توضیحات

Segments and tracks bacteria
ویژگی مقدار
سیستم عامل -
نام فایل delta2-2.0b3
نام delta2
نسخه کتابخانه 2.0b3
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Jean-Baptiste Lugagne, Owen OConnor
ایمیل نویسنده jblugagne@bu.edu, ooconnor@bu.edu
آدرس صفحه اصلی https://gitlab.com/dunloplab/delta
آدرس اینترنتی https://pypi.org/project/delta2/
مجوز MIT License
# DeLTA > **NOTE** This is version 2 of the DeLTA pipeline. For version 1, please check out branch 'version1' DeLTA (Deep Learning for Time-lapse Analysis) is a deep learning-based image processing pipeline for segmenting and tracking single cells in time-lapse microscopy movies. ![](https://gitlab.com/dunloplab/delta/-/raw/images/DeLTAexample.gif) :scroll: To get started check out the documentation at [delta.readthedocs.io](https://delta.readthedocs.io) :bug: If you encounter bugs or have questions about the software, please use [Gitlab's issue system](https://gitlab.com/dunloplab/delta/-/issues) For the latest _hotness_ check out the `dev` branch. You can also quickly test DeLTA on our data or your own with Google Colab for free [here](https://colab.research.google.com/drive/1UL9oXmcJFRBAm0BMQy_DMKg4VHYGgtxZ?usp=sharing) -------------------------- See also our papers for more details: Version 2: [O’Connor OM, Alnahhas RN, Lugagne J-B, Dunlop MJ (2022) DeLTA 2.0: A deep learning pipeline for quantifying single-cell spatial and temporal dynamics. _PLoS Comput Biol_ 18(1): e1009797](https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1009797) Version 1: [Lugagne J-B, Lin H, & Dunlop MJ (2020) DeLTA: Automated cell segmentation, tracking, and lineage reconstruction using deep learning. _PLoS Comput Biol_ 16(4): e1007673](https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1007673) -------------------------- ## Contributions A big thank you to the following people who shared their data and training sets with us, they help us make DeLTA more generalizable: - [Simon van Vliet](https://vanvlietlab.ch/) at University of Basel - [Zoran Marinković](https://scholar.google.com/citations?user=FKKQ64oAAAAJ&hl=en) at ESPCI Paris - [Noah Olsman](http://nolsman.com/) and [Daniel Eaton](https://paulsson.med.harvard.edu/people/daniel-eaton) in [Johan Paulsson's group](https://paulsson.med.harvard.edu/) at Harvard - [Shuai Yang](http://jin.isynbio.siat.ac.cn/wordpress/?p=476) in [Fan Jin's group](http://jin.isynbio.siat.ac.cn/wordpress/) at Shenzhen Institutes of Advanced Technology - [Jordi van Gestel](https://scholar.google.ch/citations?user=73pVatUAAAAJ&hl=en) and [Noam Golan](https://www.eldarmicrolab.com/team) in [Avigdor Eldar's group](https://www.eldarmicrolab.com/) at Tel-Aviv University Please reach out if you have created your own sets and think they would be helpful to the community!


نیازمندی

مقدار نام
>=0.18 scikit-image
>=2020 tifffile
>=4.1 opencv-python
>=2.0 tensorflow
- ffmpeg-python
- requests


زبان مورد نیاز

مقدار نام
>=3.7 Python


نحوه نصب


نصب پکیج whl delta2-2.0b3:

    pip install delta2-2.0b3.whl


نصب پکیج tar.gz delta2-2.0b3:

    pip install delta2-2.0b3.tar.gz