我正在研究从人类干细胞中分化出来的神经元中神经突起的退化情况。输出数据是一对图像,一个是长而健康的神经突起的“之前”图片,另一个是断裂、萎缩的神经突起的“之后”图片。我们有一个能够标记这些神经突起的图像处理套件,但该软件只能计算总神经突起面积,不能有效区分之前和之后的照片。
我试图在下面创建一个示例。左边是我们的“之前”图片,有更少、更长、更粗的线条。右边是“之后”照片,有更少、更细的线条。
目前,“A”和“B”图片的“面积”数据输出非常相似。我正在考虑是否可能编写一个程序,仅将连续的长对象视为图片A中存在。最终数据的输出只需要每张照片一个数字。即照片A可能只输出“545”,而照片B可能输出“33”。 我可以想到一些物体识别的版本,可以进行完全计数,但无法想到一种方法来调整程序仅识别较长的连续线而不是短斑点。
我们之所以更喜欢使用Python,是因为处理管道中的早期阶段使用Python脚本,如果可能的话,我们宁愿坚持使用一种语言。(我们在Python方面也有更多的经验)。
我试图在下面创建一个示例。左边是我们的“之前”图片,有更少、更长、更粗的线条。右边是“之后”照片,有更少、更细的线条。
目前,“A”和“B”图片的“面积”数据输出非常相似。我正在考虑是否可能编写一个程序,仅将连续的长对象视为图片A中存在。最终数据的输出只需要每张照片一个数字。即照片A可能只输出“545”,而照片B可能输出“33”。 我可以想到一些物体识别的版本,可以进行完全计数,但无法想到一种方法来调整程序仅识别较长的连续线而不是短斑点。
我们之所以更喜欢使用Python,是因为处理管道中的早期阶段使用Python脚本,如果可能的话,我们宁愿坚持使用一种语言。(我们在Python方面也有更多的经验)。