segmentCells2D

Cellpose를 사용하여 2차원 영상 분할

R2023b 이후

페이지 내 모두 축소

구문

labels = segmentCells2D(cp,im)

labels = segmentCells2D(cp,im,Name=Value)

설명

labels = segmentCells2D(cp,im)은 cellpose 객체 cp로 지정된 모델과 옵션을 사용하여 2차원 숫자형 명암 영상을 분할합니다.

예제

labels = segmentCells2D(cp,im,Name=Value)는 하나 이상의 이름-값 인수를 사용하여 옵션을 지정합니다. 예를 들어, im의 세포 지름이 약 50픽셀인 경우 ImageCellDiameter=50을 지정합니다.

참고

이 기능을 사용하려면 Deep Learning Toolbox™, Computer Vision Toolbox™ 및 Medical Imaging Toolbox™ Interface for Cellpose Library가 필요합니다. 애드온 탐색기에서 Medical Imaging Toolbox Interface for Cellpose Library를 설치할 수 있습니다. 애드온 설치에 대한 자세한 내용은 애드온을 받고 관리하기 항목을 참조하십시오.

예제

모두 축소

Cellpose를 사용하여 2차원 영상 분할하기

다음 제품이 필요합니다.

라이브 스크립트 열기

2차원 명암 영상을 불러옵니다.

img = imread("AT3_1m4_01.tif");
imshow(img)

Figure contains an axes object. The axes object contains an object of type image.

세포의 대략적인 지름(단위: 픽셀)을 지정합니다.

averageCellDiameter = 56;

cellpose 객체를 만듭니다. 기본적으로 이 객체는 Cellpose Library의 cyto2 모델을 사용합니다.

cp = cellpose(Model="cyto2");

평균 세포 지름을 지정하여 영상을 분할합니다.

labels = segmentCells2D(cp,img,ImageCellDiameter=averageCellDiameter);

레이블을 원본 영상에 겹쳐지게 표시합니다.

B = labeloverlay(img,labels);
imshow(B)

Figure contains an axes object. The axes object contains an object of type image.

입력 인수

모두 축소

`cp` — Cellpose 모델 구성
`cellpose` 객체

Cellpose 모델 구성으로, cellpose 객체로 지정됩니다. cellpose 객체 속성은 사용할 모델을 지정하고 모델 앙상블과 GPU 사용 여부와 같은 옵션을 정의합니다.

`im` — 명암 영상
숫자형 행렬

분할할 명암 영상으로, 숫자형 행렬로 지정됩니다. Cellpose Library는 영상을 분할하기 전에 im의 값을 single 데이터형으로 변환합니다.

이름-값 인수

모두 축소

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

예: segmentCells2D(cp,im,ImageCellDiameter=50)은 im의 세포 지름을 약 50픽셀로 지정합니다.

`AuxiliaryChannelImage` — 보조 채널 영상
`zeros(size(im))` (디폴트 값) | 숫자형 행렬

보조 채널 영상으로, im과 크기와 데이터형이 같은 2차원 숫자형 행렬로 지정됩니다. 모델이 핵 채널 영상을 받는 경우 선택적으로 이 인수를 지정할 수 있습니다. 이 값을 지정하지 않으면 함수는 im과 같은 크기의 0으로 구성된 행렬을 모델에 전달합니다. Cellpose Library는 보조 채널 영상을 single 데이터형으로 변환합니다. 이 인수는 Cellpose Library의 chan2 파라미터에 대응됩니다.

`ImageCellDiameter` — 입력 영상의 세포 지름
양의 숫자형 스칼라

입력 영상 im의 세포 지름으로, 양의 숫자형 스칼라(단위: 픽셀)로 지정됩니다. 기본적으로 함수는 im이 훈련 데이터 세트와 같은 크기의 세포를 포함하고 cp의 TrainingCellDiameter 속성으로 지정된 지름을 사용한다고 가정합니다. 이 인수는 Cellpose Library의 diameter 파라미터에 대응됩니다.

`FlowErrorThreshold` — 흐름 오차 임계값
`0.4` (디폴트 값) | 양의 숫자형 스칼라

흐름 오차 임계값으로, 양의 숫자형 스칼라로 지정됩니다. 이 인수는 신경망에서 출력된 흐름 필드와 예측된 레이블에서 복원된 흐름 필드 사이의 허용 가능한 오차를 지정합니다. 0.1과 3 사이의 값이 대부분의 영상에 적합합니다. 이 인수는 Cellpose Library의 flow_threshold 파라미터에 대응됩니다.

이 값을 높이면 모델이 더 많은 세포를 검출할 수 있지만, 세포 간의 경계가 덜 정확할 수 있습니다.
이 값을 낮추면 모델이 더 깔끔한 경계를 생성할 수 있지만, 일부 세포를 놓칠 수 있습니다.

`CellThreshold` — 세포 확률 임계값
`0` (디폴트 값) | 숫자형 스칼라

세포 확률 임계값으로, 숫자형 스칼라로 지정됩니다. 모델은 이 임계값을 신경망 출력값에 적용하고, 해당 임계값보다 높은 픽셀을 레이블 예측에 포함합니다. -6과 6 사이의 값이 대부분의 영상에 적합합니다. 이 인수는 Cellpose Library의 cellprob_threshold 파라미터에 대응됩니다.

이 값을 높이면 모델이 더 깔끔한 경계를 생성할 수 있지만, 일부 세포를 놓칠 수 있습니다.
이 값을 낮추면 모델이 더 많은 세포를 검출할 수 있지만, 세포 간의 경계가 덜 정확할 수 있습니다.

`NormalizeInput` — 입력 영상 정규화
`true` 또는 `1` (디폴트 값) | `false` 또는 `0`

입력 영상 정규화 여부로, 숫자형 또는 논리값 1(true) 또는 0(false)으로 지정됩니다. true로 설정하면 함수는 입력 영상과 보조 채널 영상(지정된 경우)의 크기를 [0, 1] 범위로 다시 스케일링합니다. 함수는 각 영상의 명암 값 중 하위 1%를 0으로 매핑하고 상위 1%를 1로 매핑합니다. 이 인수는 Cellpose Library의 normalize 파라미터에 대응됩니다.

데이터형: logical

`Tile` — 입력 영상을 타일 형식으로 표시
`false` 또는 `0` (디폴트 값) | `true` 또는 `1`

입력 영상을 타일 형식으로 표시할지 여부로, 숫자형 또는 논리값 0(false) 또는 1(true)로 지정됩니다. true로 설정되면 함수는 입력 영상을 타일 형식으로 된 224×224 픽셀 영역에 표시합니다. 타일 형식의 영상을 분할할 경우 GPU 메모리는 덜 필요하지만 처리 시간이 더 길어집니다. 타일 형식 배열 작업은 CPU 메모리 요구 사항에 영향을 주지 않습니다. 이 인수는 Cellpose Library의 tile 파라미터에 대응됩니다.

데이터형: logical

`TileOverlap` — 타일 간 중첩
`0.1` (디폴트 값) | 양의 숫자형 스칼라

타일 간 중첩으로, 양의 숫자형 스칼라로 지정됩니다. 이 인수는 인접한 타일 간에 중첩되는 비율을 지정합니다. 중첩되는 영역의 각 픽셀에 대해 함수는 타일 전체의 결과에 대한 평균을 구하여 해당 픽셀의 최종 값을 얻습니다. 0.05와 0.5 사이의 값이 대부분의 영상에 적합합니다. 이 인수는 Cellpose Library의 tile_overlap 파라미터에 대응됩니다.

`TileAndAugment` — 영상 증강
`false` 또는 `0` (디폴트 값) | `true` 또는 `1`

영상 증강 여부로, 숫자형 또는 논리값 0(false) 또는 1(true)로 지정됩니다. true로 설정하면 함수는 Tile을 true로 설정하고 TileOverlap을 0.5로 설정하여 50% 중첩되는 타일을 생성합니다. 함수는 각 타일의 여러 복사본을 세로와 가로로 뒤집어 모든 방향에서의 결과에 대한 평균을 구합니다. 증강은 일반적으로 정확도는 높이지만, 처리 속도를 떨어뜨립니다. 이 인수는 Cellpose Library의 augment 파라미터에 대응됩니다.

데이터형: logical

`GPUBatchSize` — GPU 배치 크기
`8` (디폴트 값) | 양의 정수

GPU 배치(batch)의 크기로, 양의 정수로 지정됩니다. 이 인수는 Tile을 true로 설정한 상태에서 GPU에서 영상을 처리할 때만 효력이 있습니다. 배치 크기는 배치별 타일 개수를 지정합니다. 배치 크기를 늘리면 속도는 빨라지지만, 더 많은 메모리가 필요합니다. 이 인수는 Cellpose Library의 batchsize 파라미터에 대응됩니다.

`PostprocessAtOriginalSize` — 영상을 원래 크기에서 후처리
`true` 또는 `1` (디폴트 값) | `false` 또는 `0`

영상을 그 원래 크기에서 후처리할지 여부로, 숫자형 또는 논리값 1(true) 또는 0(false)으로 지정됩니다. true로 설정하면 함수는 쌍선형 보간을 사용하여 후처리 전에 입력 영상의 크기에 맞게 신경망 출력값의 크기를 조정합니다. ImageCellDiameter가 모델이 검출할 수 있는 세포 지름보다 클 경우 후처리 전에 크기를 조정하면 경계를 더 매끄럽게 만들 수 있습니다. false로 설정하면 함수는 후처리 후에 최근접이웃 보간을 사용하여 입력 크기에 맞게 레이블 영상의 크기를 조정합니다. 이 인수는 Cellpose Library의 no_resample 파라미터와 반비례 관계에 있습니다.

데이터형: logical

출력 인수

모두 축소

`labels` — 분할 레이블 영상
숫자형 행렬

분할 레이블 영상으로, double 데이터형의 숫자형 행렬로 반환됩니다. 픽셀 값은 모델에서 반환되는 레이블에 매핑됩니다. 예를 들어, 모델이 세포 두 개를 검출하는 경우 labels의 픽셀 값 범위는 [0, 2]입니다. 여기서 0은 배경 픽셀 값이고 첫 번째 세포의 픽셀 값은 1, 두 번째 세포의 픽셀 값은 2입니다.

참고 문헌

[1] Stringer, Carsen, Tim Wang, Michalis Michaelos, and Marius Pachitariu. “Cellpose: A Generalist Algorithm for Cellular Segmentation.” Nature Methods 18, no. 1 (January 2021): 100–106. https://doi.org/10.1038/s41592-020-01018-x.

[2] Pachitariu, Marius, and Carsen Stringer. “Cellpose 2.0: How to Train Your Own Model.” Nature Methods 19, no. 12 (December 2022): 1634–41. https://doi.org/10.1038/s41592-022-01663-4.

버전 내역

R2023b에 개발됨

참고 항목

cellpose | segmentCells3D | trainCellpose | downloadCellposeModels

segmentCells2D

구문

설명

예제

Cellpose를 사용하여 2차원 영상 분할하기

입력 인수

`cp` — Cellpose 모델 구성
`cellpose` 객체

`im` — 명암 영상
숫자형 행렬

이름-값 인수

`AuxiliaryChannelImage` — 보조 채널 영상
`zeros(size(im))` (디폴트 값) | 숫자형 행렬

`ImageCellDiameter` — 입력 영상의 세포 지름
양의 숫자형 스칼라

`FlowErrorThreshold` — 흐름 오차 임계값
`0.4` (디폴트 값) | 양의 숫자형 스칼라

`CellThreshold` — 세포 확률 임계값
`0` (디폴트 값) | 숫자형 스칼라

`NormalizeInput` — 입력 영상 정규화
`true` 또는 `1` (디폴트 값) | `false` 또는 `0`

`Tile` — 입력 영상을 타일 형식으로 표시
`false` 또는 `0` (디폴트 값) | `true` 또는 `1`

`TileOverlap` — 타일 간 중첩
`0.1` (디폴트 값) | 양의 숫자형 스칼라

`TileAndAugment` — 영상 증강
`false` 또는 `0` (디폴트 값) | `true` 또는 `1`

`GPUBatchSize` — GPU 배치 크기
`8` (디폴트 값) | 양의 정수

`PostprocessAtOriginalSize` — 영상을 원래 크기에서 후처리
`true` 또는 `1` (디폴트 값) | `false` 또는 `0`

출력 인수

`labels` — 분할 레이블 영상
숫자형 행렬

참고 문헌

버전 내역

참고 항목

도움말 항목

외부 웹사이트

segmentCells2D

구문

설명

예제

Cellpose를 사용하여 2차원 영상 분할하기

입력 인수

cp — Cellpose 모델 구성 cellpose 객체

im — 명암 영상 숫자형 행렬

이름-값 인수

AuxiliaryChannelImage — 보조 채널 영상 zeros(size(im)) (디폴트 값) | 숫자형 행렬

ImageCellDiameter — 입력 영상의 세포 지름 양의 숫자형 스칼라

FlowErrorThreshold — 흐름 오차 임계값 0.4 (디폴트 값) | 양의 숫자형 스칼라

CellThreshold — 세포 확률 임계값 0 (디폴트 값) | 숫자형 스칼라

NormalizeInput — 입력 영상 정규화 true 또는 1 (디폴트 값) | false 또는 0

Tile — 입력 영상을 타일 형식으로 표시 false 또는 0 (디폴트 값) | true 또는 1

TileOverlap — 타일 간 중첩 0.1 (디폴트 값) | 양의 숫자형 스칼라

TileAndAugment — 영상 증강 false 또는 0 (디폴트 값) | true 또는 1

GPUBatchSize — GPU 배치 크기 8 (디폴트 값) | 양의 정수

PostprocessAtOriginalSize — 영상을 원래 크기에서 후처리 true 또는 1 (디폴트 값) | false 또는 0

출력 인수

labels — 분할 레이블 영상 숫자형 행렬

참고 문헌

버전 내역

참고 항목

도움말 항목

외부 웹사이트

`cp` — Cellpose 모델 구성
`cellpose` 객체

`im` — 명암 영상
숫자형 행렬

`AuxiliaryChannelImage` — 보조 채널 영상
`zeros(size(im))` (디폴트 값) | 숫자형 행렬

`ImageCellDiameter` — 입력 영상의 세포 지름
양의 숫자형 스칼라

`FlowErrorThreshold` — 흐름 오차 임계값
`0.4` (디폴트 값) | 양의 숫자형 스칼라

`CellThreshold` — 세포 확률 임계값
`0` (디폴트 값) | 숫자형 스칼라

`NormalizeInput` — 입력 영상 정규화
`true` 또는 `1` (디폴트 값) | `false` 또는 `0`

`Tile` — 입력 영상을 타일 형식으로 표시
`false` 또는 `0` (디폴트 값) | `true` 또는 `1`

`TileOverlap` — 타일 간 중첩
`0.1` (디폴트 값) | 양의 숫자형 스칼라

`TileAndAugment` — 영상 증강
`false` 또는 `0` (디폴트 값) | `true` 또는 `1`

`GPUBatchSize` — GPU 배치 크기
`8` (디폴트 값) | 양의 정수

`PostprocessAtOriginalSize` — 영상을 원래 크기에서 후처리
`true` 또는 `1` (디폴트 값) | `false` 또는 `0`

`labels` — 분할 레이블 영상
숫자형 행렬