Fiji: Bilimsel Görüntü İşlemeye Giriş Eğitimi

Fiji & ImageJ Ekosistemi ile Başlangıç

• Fiji'nin mimarisini anlama: ImageJ çekirdeği, eklentiler ve güncelleme yöneticisi
• Yükleme, ortam kurulumu ve başlangıçta otomatik güncellemeler için yapılandırma
• Grafiksel kullanıcı arayüzünü (GUI) gezme: pencereler, araç çubukları, yığın/seri yönetimi ve klavye kısayolları
• Desteklenen bilimsel formatlar: TIFF, OME-TIFF, ND2, LIF, HDF5 ve meta veri standartları
• Lab 1: Fiji'yi yükleme, otomatik güncellemeler için güncelleme yöneticisini yapılandırma ve çok kanallı floresan mikroskopi veri kümesini gezme

Çekirdek Görüntü İşleme & Nicel Analiz

• Temel dönüşümler: kırpma, döndürme, ölçeklendirme ve kanal ayrıştırma
• Filtreleme & geliştirmeye: Gauss, medyan, CLAHE ve gürültü azaltma teknikleri
• Bölütleştirme & özellik çıkarımı: eşik değeri, havza, ROI Yöneticisi ve parçacık analizi
• Nicel analiz: histogram analizi, renk ayıklama, koloalizasyon metrikleri ve istatistiksel dışa aktarma
• Lab 2: Numune hücresel görüntüleme veri seti üzerinde tekrarlanabilir bir 2D/3D analiz boru hattı oluşturma ve yapılandırılmış ölçüm tabloları dışa aktarma

Betik Yazma, Otomasyon & Çok Dilli İş Akışları

• Fiji Betik Düzenleyicisi: betik yazma, çalıştırma, hata ayıklama ve parametrelendirme
• Doğru dili seçme: Python (PyImageJ/ImgLib2), JavaScript (Nashorn), Groovy ve Beanshell
• Bilimsel hesaplama ekosistemleriyle (NumPy, SciPy, pandas, scikit-image) Fiji'yi bağlama
• Macroların kaydedilmesi vs. betik yazma: her birinin ne zaman kullanılması gerektiği ve temiz, yeniden kullanılabilir kodun nasıl korunacağı
• Lab 3: z-yığının toplu işlenmesi, hücre metriklerinin çıkarılması ve özet grafiklerin & CSV raporlarının otomatik olarak oluşturulması için bir Python betiği yazma

Gelişmiş İş Akışları: 3D Görüntüleme, Birleştirme & Büyük Veri Setleri

• Çok boyutlu biyogörüntü verisi ile çalışma: sanal yığınlar, geç yükleme ve bellek yönetimi
• Kılavuz mikroskobi temelleri: edinim kalıpları, kılavuz numaralandırması ve örtüşme yönetimi
• Büyük 3D veri setlerinin birleştirilmesi: BigStitcher & TrakEM2 kullanarak kayıt ve birleştirme
• Donanım kısıtlamalı ortamlar için performans optimizasyonu (RAM, GPU ipuçları, bulut hazırliği)
• Lab 4: Simüle edilmiş kılavuzlu 3D mikroskopi veri setini kayıt etme ve birleştirme ve bir >10GB z-yığını için bellek kullanımını optimize etme

Fiji'yi Genişletme: ImgLib2, Eklenti Geliştirme & Dağıtım

• ImgLib2 veri modeli: N-boyutlu diziler, görünümler ve bellek verimli işlemler
• ImgLib2 & ImageJ2 API'lerini kullanarak özel görüntü işleme algoritmaları geliştirme
• Eklenti paketleme: Maven yapısı, kullanıcı arayüzü (UI) entegrasyonu ve bağımlılık yönetimi
• Paylaşım & dağıtım: yerel/küresel güncelleme sitelerinin oluşturulması, Docker kapsayıcıları ve tekrarlanabilir araştırma paketleri
• Ekipler arasında işbirliği: parametrelerin standartlaştırılması, boru hatları için sürüm kontrolü ve çapraz laboratuvar paylaşımı
• Lab 5: Özel bir ImgLib2 tabanlı eklenti geliştirme, bunu yerel olarak test etme ve paylaşılan bir güncelleme sitesine yayınlama

Tekrarlanabilirlik, En İyi Uygulamalar & Araştırma Entegrasyonu

• Kökeni kaydetme: sonuçlara betikleri, parametreleri ve Fiji sürüm bilgilerini gömme
• Bilimsel görüntü verisi için meta veri standartları & FAIR ilkeleri
• Profillendirme, hata ayıklama ve yaygın biyogörüntü darboğazlarının ayıklanması
• Topluluk kaynakları: ImageJ/Fiji belgeleri, forumlar, GitHub depoları ve eklenti ekosistemi
• Final Projesi: Araştırma alanınıza uygun tam bir görüntü analiz iş akışını tasarım, betik yazma ve dokümante etme
• Özelleştirme Seçenekleri: Odaklı özel versiyonlar sunuyoruz:
  • Spesifik görüntüleme modları (konfokal, süper çözünürlük, elektron mikroskobu, vb.)
  • Alana özgü boru hatları (hücre sayımı, koloalizasyon, morfometrik, vb.)
  • Mevcut laboratuvar altyapısı ile entegrasyon (Slurm, AWS, yerel HPC veya OME-TIFF arşivleri)