1
00:00:01,480 --> 00:00:05,840
在这个分为两部分的视频系列中，
我们将为您说明如何使用cellSens软件的

2
00:00:05,840 --> 00:00:10,000
深度学习技术完成无标记细胞核的探测。

3
00:00:10,000 --> 00:00:13,840
深度学习技术不使用荧光图像
探测和计数细胞核，

4
00:00:13,840 --> 00:00:18,200
而是使用简单的无染色透射图像
计数细胞核，

5
00:00:18,200 --> 00:00:23,920
从而可以避免荧光激发引起的光毒性。

6
00:00:23,920 --> 00:00:27,360
深度学习使用的神经网络由操作人员训练，

7
00:00:27,360 --> 00:00:30,880
操作人员在其中输入带有已识别细胞核的图像。

8
00:00:30,880 --> 00:00:36,400
训练完成后，系统将能够独立识别细胞核。

9
00:00:36,400 --> 00:00:40,400
在本视频中，
我们将为您介绍如何准备训练数据。

10
00:00:40,400 --> 00:00:43,520
无标记细胞核探测的后续步骤

11
00:00:43,520 --> 00:00:46,000
将在第二个视频中阐述。

12
00:00:46,000 --> 00:00:50,360
首先，进入到cellSens软件的
“计测”布局中。

13
00:00:50,360 --> 00:00:54,280
打开位于cellSens安装包中的一张训练图像。

14
00:00:54,280 --> 00:00:59,560
要访问训练图像，需执行以下操作：安装包cellSens
>Product family cellSens> example images（示例图像） >

15
00:00:59,560 --> 00:01:05,960
deep learning（深度学习） > training images（训练图像）。
打开第一张图像。

16
00:01:05,960 --> 00:01:10,400
这些荧光训练图像中的细胞核使用DAPI染色。

17
00:01:10,400 --> 00:01:14,320
而且采集了明场和相衬通道。

18
00:01:14,320 --> 00:01:17,400
使用DAPI通道在软件的计测模块中

19
00:01:17,400 --> 00:01:20,440
创建二值图训练数据。

20
00:01:20,440 --> 00:01:25,120
由于要为多个图像完成这个操作，
我们可以录制宏程序。

21
00:01:25,120 --> 00:01:33,720
为此，我们从菜单栏中打开
要使用的“宏管理器”工具图标。

22
00:01:33,720 --> 00:01:47,040
点击“创建宏”，为其命名，以创建训练标签。

23
00:01:47,040 --> 00:01:51,480
然后从“选维器”中选择DAPI通道。

24
00:01:51,480 --> 00:01:55,720
选择“自动阈值”，在探测细胞核时

25
00:01:55,720 --> 00:02:01,400
软件自动计算出DAPI通道的强度阈值。

26
00:02:01,400 --> 00:02:06,000
然后点击DAPI通道。

27
00:02:06,000 --> 00:02:09,200
双击“相”名称，以便重命名。

28
00:02:09,200 --> 00:02:14,200
后续步骤中，我们用其作为训练标签的名称。

29
00:02:14,200 --> 00:02:17,200
点击下拉箭头，从出现的颜色表中选择颜色。

30
00:02:17,200 --> 00:02:21,160
使用一个与DAPI及其他通道都不同的颜色。

31
00:02:21,160 --> 00:02:23,240
我们选择红色。

32
00:02:23,240 --> 00:02:26,360
然后点击“计测”。

33
00:02:26,360 --> 00:02:29,200
探测到的细胞核显示为红色。

34
00:02:29,200 --> 00:02:31,800
如果两个细胞核挨得很近，

35
00:02:31,800 --> 00:02:35,600
则有时会被检测成一个细胞核。

36
00:02:35,600 --> 00:02:40,920
发生这种情况时，我们可以告诉系统
自动将它们拆分为两个细胞核。

37
00:02:40,920 --> 00:02:43,200
点击“选定探测到的所有对象”，

38
00:02:43,200 --> 00:02:47,640
然后点击“自动拆分选定的对象”。

39
00:03:02,600 --> 00:03:05,320
确认物体是否被正确拆分，

40
00:03:05,320 --> 00:03:08,440
然后停止记录宏。

41
00:03:19,720 --> 00:03:24,440
现在，我们将记录的宏批量应用到多张图像。

42
00:03:24,440 --> 00:03:28,240
关闭已经打开的图像。

43
00:03:28,240 --> 00:03:36,520
激活“切换批处理模式”，
然后点击“运行批处理宏”。

44
00:03:36,520 --> 00:03:41,280
在本示例中，我们使用
安装包中的示例图像。

45
00:03:41,280 --> 00:03:45,360
要定义这些输入的图像，
选择“文件系统中的文档”，

46
00:03:45,360 --> 00:03:56,240
然后选择10张训练图像。

47
00:03:56,240 --> 00:03:58,560
然后点击“下一步”。

48
00:03:58,560 --> 00:04:02,400
选择想要保存文件的位置。

49
00:04:12,320 --> 00:04:16,560
在此，我们为批处理图片重新命名为：训练标签。

50
00:04:31,720 --> 00:04:37,240
训练数据必须是.vsi格式。

51
00:04:37,400 --> 00:04:40,600
一般情况下，我们建议您勾选“关闭文档”选项，

52
00:04:40,600 --> 00:04:44,880
尤其是宏程序批处理大量的图像时。

53
00:04:44,880 --> 00:04:50,360
由于在本例中，我们只使用了10张图像，
我们就不用勾选了。

54
00:04:50,360 --> 00:04:58,520
运行批处理宏，为10张图像创建训练标签。

55
00:04:58,520 --> 00:05:02,360
核查一下，以确认所有10张图像
都成功完成了这个处理，

56
00:05:02,360 --> 00:05:09,480
而且数据都是以.vsi格式保存。

57
00:05:09,480 --> 00:05:15,040
经验之谈，
建议快速验证细胞核识别和拆分的质量。

58
00:05:15,040 --> 00:05:21,640
如果挨在一起的细胞核没有被正确拆分，
请以手动方式进行拆分。

59
00:05:29,120 --> 00:05:33,160
如果进行了修正，请不要忘记保存图像。

60
00:05:33,160 --> 00:05:35,960
您的训练数据现在就已经准备就绪。

61
00:05:35,960 --> 00:05:41,720
请观看这个视频系列的第二部分，
了解如何使用这些数据集。

62
00:05:41,720 --> 00:05:45,600
如果您想要了解
有关奥林巴斯深度学习技术的更多信息，

63
00:05:45,600 --> 00:05:49,880
请访问我们的网站：
olympus-lifescience.com。