Войти
 | |
| Разработчик (и) | Энн Карпентер, Туис Джонс, Ли Каменцки, Аллен Гудман, Клэр Маккуин и другие (Broad Institute ) |
|---|---|
| Стабильный выпуск | 4.0.5 (редакция 48f978c) / 29 сентября 2020 г.; 24 дня назад (2020-09-29) |
| Репозиторий |  |
| Операционная система | Любая (на основе Python ) |
| Тип | Обработка изображений Анализ изображений |
| Лицензия | BSD 3-пункт |
| Веб-сайт | www.cellprofiler.org |
CellProfiler бесплатно, с открытым исходным кодом программное обеспечение, предназначенное для того, чтобы биологи, не обученные компьютерному зрению или программированию, могли автоматически количественно измерять фенотипы на тысячах изображений. Расширенные алгоритмы анализа изображений доступны в виде отдельных модулей, которые можно расположить в последовательном порядке вместе, чтобы сформировать pipeline ; затем трубопровод используется для идентификации и измерения биологических объектов и особенности изображений, особенно полученные с помощью флуоресцентной микроскопии.
. Распределения доступны для Microsoft Windows, macOS и Linux. Исходный код для CellProfiler находится в свободном доступе. CellProfiler разработан компанией Broad Institute's Imaging Platform.
CellProfiler может считывать и анализировать наиболее распространенные форматы изображений микроскопии. Биологи обычно используют CellProfiler для идентификации интересующих объектов (например, клеток, колоний, C. elegans червей), а затем измеряют их интересующие свойства. Специализированные модули для коррекции освещенности могут применяться на этапе предварительной обработки для устранения искажений из-за неравномерного освещения. Идентификация объекта (сегментация ) выполняется посредством машинного обучения или пороговой обработки изображений, распознавания и разделения сгруппированных объектов, а также удаления или объединения объектов на основе размера или формы. Каждый из этих шагов настраивается пользователем для индивидуального анализа изображений.
Для каждой идентифицированной клетки или субклеточного компартмента можно произвести широкий спектр измерений, включая, среди прочего, морфологию, интенсивность и текстуру. Эти измерения доступны с помощью встроенных инструментов просмотра и построения графиков данных, экспорта в формат с разделением запятыми электронной таблицы или импорта в MySQL или База данных SQLite.
CellProfiler взаимодействует с высокопроизводительными научными библиотеками NumPy и SciPy для многих математических операций, биоформатами Консорциума Open Microscopy Environment. библиотека для чтения более 100 форматов файлов изображений, ImageJ для использования плагинов и макросов и ilastik для классификации на основе пикселей. Несмотря на то, что CellProfiler разработан и оптимизирован для большого количества двумерных изображений (наиболее распространенный формат экранных изображений с высоким содержанием), он поддерживает анализ мелкомасштабных экспериментов и интервальных фильмов.
CellProfiler был выпущен в декабре 2005 года учеными из Института биомедицинских исследований Уайтхеда и Массачусетского технологического института. В настоящее время он разрабатывается и поддерживается лабораторией Carpenter на платформе обработки изображений Broad Institute.
Первоначально разработанный в MATLAB, он был переписан в Python и выпущен как CellProfiler 2.0 в 2010 году. Версия 3.0, поддерживающая объемный анализ стеков трехмерных изображений и дополнительных модулей глубокого обучения, была выпущена в октябре 2017 года. CellProfiler 4.0 был выпущен в сентябре 2020 года и ориентирован на скорость, удобство использования и полезность улучшения с наиболее ярким примером перехода на Python 3.
Поскольку CellProfiler - это бесплатный проект с открытым исходным кодом, любой может разработать свою собственную обработку изображений алгоритмы в качестве нового модуля для CellProfiler и внесите его в проект. На веб-сайте CellProfiler есть форум для обсуждения, на котором новые пользователи могут получить ответы на свои вопросы, обычно от создателей проекта.
Портал бесплатного программного обеспечения с открытым исходным кодом 