Einrichtung von CaImAn, einem Tool zur Analyse der Kalziumbildgebung (Python)

In diesem Artikel werde ich ein Tool namens CaImAn (Calcium Imaging Analysis) vorstellen. Offizielle Website (https://github.com/flatironinstitute/CaImAn) Diese Software verfügt über verschiedene Funktionen wie die Bewegungssammlung von Kalziumbildvideos, die Zellextraktion und die Signalentfaltung. Es scheint der Standard aktueller Analysewerkzeuge für die Kalziumbildgebung zu sein.

Es gibt Python-Version und MATLAB-Version von CaImAn, aber da die Installationsmethode der Python-Version kompliziert ist und es kein japanisches Dokument gibt, wird es unten zusammengefasst. (Die MATLAB-Version ist einfacher zu verwenden, daher wird sie für Benutzer mit MATLAB empfohlen.)

CaImAn installieren

Die Installationsmethode ist wie in der verknüpften Installation beschrieben. Python 3.6 wird empfohlen und erfordert Anaconda oder Miniconda. Mac und Linux können einfach durch Ausführen des Befehls bash installiert werden, Windows ist jedoch etwas kompliziert. Unten ist der Fall, als ich es gegen Ende 2018 unter Windows ausprobiert habe und es funktioniert hat.

Zunächst müssen Sie "Desktop Development Tools mit C ++" und "C / C ++ CLI Tools" von Visual Studio 2017 installieren. Laden Sie Visual Studio 2017 von der Microsoft-Startseite herunter. Die Community Edition ist kostenlos. Starten Sie anschließend das Installationsprogramm und überprüfen Sie die beiden zu installierenden Workloads "Desktop Development Tools with C ++" und "C / C ++ CLI Tools".

Erstellen Sie als Nächstes eine virtuelle Umgebung für CaImAn in Anaconda. Führen Sie den Befehl mit der Eingabeaufforderung anaconda aus.

git clone  https://github.com/flatironinstitute/CaImAn
cd CaImAn
conda env create -f environment.yml -n caiman

Sie haben jetzt eine virtuelle Umgebung namens Caiman in Anaconda erstellt. Als nächstes betreiben wir die beiden Dateien in den Ordnern unter C: \ Benutzer \ (Benutzername) \ Anaconda3 \ envs \ caiman .

Öffnen Sie "keras_activate.bat" und ändern Sie die Umgebungsvariable KERAS_BACKEND von theano in tensorflow.
Löschen Sie "vs2015_compiler_vars.bat".

Installieren Sie dann CaImAn.

conda install -n caiman vs2017_win-64
activate caiman
pip install .
copy caimanmanager.py ..
conda install numba
cd ..

Als Nächstes erstellen wir einen Ordner, in dem das Ausführungsskript und die Analysedaten abgelegt werden.

caimanmanager.py install

Sie haben jetzt einen Ordner namens caiman_data in Ihrem aktuellen Verzeichnis. Ich denke, die Analyse sollte in diesem Ordner durchgeführt werden.

Versuchen Sie, den Demo-Code auszuführen

Sie können demo_caiman_basic.py in \ caiman_data \ demos \ general als Demo-Code verwenden. Lassen Sie es uns ausführen und sehen, ob es funktioniert.

cd caiman_data\demos\general
demo_caiman_basic.py

Nach der Ausführung wird der folgende Bildschirm angezeigt. Dies ist ein Auszug aus der Zellform. Es ist nummeriert.

Und hier zeigt die Änderung der Helligkeit jeder Zelle, dh die Änderung der elektrischen Aktivität. Sie können Zellen mit den Richtungstasten wechseln und anzeigen.

In diesem Demo-Code haben wir die blinkenden Zellen aus dem Video extrahiert (demoMovie.tif im Ordner example_movies). Durch Anpassen der Parameter im Code wird das Ergebnis geändert.

Am Ende

Jetzt können Sie die Python-Version von CaImAn verwenden. Ich habe vor, einen separaten Artikel darüber zu schreiben, wie man die MATLAB-Version verwendet und wie man sich entfaltet. In Bezug auf den Zellextraktionsalgorithmus scheint es, dass nach dem Extrahieren der Kandidatenregion unter Verwendung von CNMF (bedingte nicht negative Matrixfaktorzerlegung) beurteilt wird, ob es sich um eine Zelle handelt oder nicht, die CNN (Faltungs-Neuronales Netzwerk) verwendet.