细胞核中心matlab代码-IF-Microscopy-Assistant:在免疫荧光(IF)细胞显微镜分析和建模中的应用

时间:2024-06-13 22:30:45
【文件属性】:

文件名称:细胞核中心matlab代码-IF-Microscopy-Assistant:在免疫荧光(IF)细胞显微镜分析和建模中的应用

文件大小:637KB

文件格式:ZIP

更新时间:2024-06-13 22:30:45

系统开源

细胞核中心matlab代码IF显微镜辅助 用于免疫荧光(IF)细胞显微镜的分析和建模。 该项目旨在构建一个基于云的服务,以帮助进行免疫荧光细胞显微镜的分析和形态建模。 MATLAB(R2017a)代码 ->创建_masks.m 将包含[红色通道=核]和[绿色通道=细胞质]的一组rgb图像的.tiff文件转换为rgb图像或视频帧(uint8)的细胞阵列,单个细胞的二进制掩码,二进制掩码细胞簇和细胞核的二进制掩码的集合。 -> create_sequences.m 返回单元格数组[sxf],其中包含来自单个单元格掩码的每个单个单元格的Pixel Idx列表。 每行包含单个单元格的唯一帧序列。 列数=视频帧数。 -> create_InfoArrays.m 返回单元格序列数组中的每个单元格; 质量中心,最大半径(极坐标中的最大rho),将最大rho像素向北旋转的角度,等高线极坐标和单元蒙版极坐标。 -> transform_Boundary.m 使用matlab函数边界将单元蒙版坐标转换为一小组[x,y]任意大小的单元轮廓坐标。 -> transform_DynamicImage.m将单元格


【文件预览】:
IF-Microscopy-Assistant-master
----dependencies()
--------hysteresis3d()
--------centerobject()
--------elliptic_fourier_descriptor()
--------GFD()
----1_code_preprocess()
--------normBoundary.m(1KB)
--------create_masks_Reduced.m(7KB)
--------inverseFourierDescriptor.m(637B)
--------transform_DynamicImage.m(7KB)
--------create_InfoArrays.m(4KB)
--------transform_Boundary.m(5KB)
--------create_MovieFromTIFF.m(2KB)
--------transform_fourierDescriptors.m(4KB)
--------create_sequences.m(3KB)
--------create_masks.m(7KB)
--------transform_RhoDescriptors.m(5KB)
----LICENSE(1KB)
----plots()
--------plots_clusters.m(5KB)
--------plots_preprocess.m(28KB)
--------plots_training_feedforward_fourier.m(4KB)
--------plots_training_feedforward_rho.m(5KB)
--------plots_training_NARNET_rho.m(5KB)
--------plots_training_NARNET_fourier.m(4KB)
--------plots_training_AE.m(9KB)
--------plots_training_feedforward_boundary.m(5KB)
--------plots_training_Summary.m(1KB)
--------owlstone_assignment_miguelesteras.ipynb(794KB)
--------plots_training_NARNET_boundary.m(5KB)
----.gitignore(51B)
----3_code_prediction()
--------cluster_sequences.m(3KB)
--------predictShape.m(115B)
--------cluster_predictions.m(3KB)
----2_code_training()
--------train_FeedForward.m(7KB)
--------train_NARNET5050.m(6KB)
--------train_NARNET50.m(6KB)
--------train_NARNET100.m(6KB)
--------train_AutoEncoder.m(6KB)
----README.md(2KB)

网友评论