1 00:00:01,480 --> 00:00:06,000 En esta serie de dos videos, se mostrará cómo usar la tecnología de aprendizaje profundo 2 00:00:06,000 --> 00:00:10,000 del software cellSens para la detección de núcleos sin etiquetado. 3 00:00:10,000 --> 00:00:13,840 En lugar de usar imágenes fluorescentes para detectar y contar núcleos, 4 00:00:13,840 --> 00:00:18,200 la tecnología de aprendizaje profundo ejecuta el conteo de núcleos usando imágenes simples transmitidas 5 00:00:18,200 --> 00:00:23,920 sin necesidad de tinción, lo cual elimina la fototoxicidad causada por la excitación de la fluorescencia. 6 00:00:23,920 --> 00:00:27,360 Esta tecnología usa una red neural que es formada por un operador 7 00:00:27,360 --> 00:00:30,880 quien importa imágenes con núcleos ya identificados. 8 00:00:30,880 --> 00:00:36,400 Cuando esta formación es completada, el sistema es capaz de reconocer los núcleos. 9 00:00:36,400 --> 00:00:40,400 En este video, se desea mostrar cómo preparar los datos de formación. 10 00:00:40,400 --> 00:00:43,520 Los pasos restantes que intervienen en la detección de 11 00:00:43,520 --> 00:00:46,160 núcleos sin etiquetado serán cubiertos en el segundo video. 12 00:00:46,160 --> 00:00:50,360 Para empezar, diríjase a la pestaña Count and Measure del software cellSens. 13 00:00:50,360 --> 00:00:54,440 Abra una imagen de formación, ubicada en el instalador cellSens. 14 00:00:54,440 --> 00:00:59,560 Para acceder a ella, vaya a la carpeta cellSens > Example images > 15 00:00:59,560 --> 00:01:05,960 Deep learning > Training images. Abra la primera imagen. 16 00:01:05,960 --> 00:01:10,400 Los núcleos de las imágenes fluorescentes de formación han sido teñidas con DAPI. 17 00:01:10,400 --> 00:01:14,320 Se visualiza los canales de campo claro y de contraste de fase. 18 00:01:14,320 --> 00:01:17,400 Use el canal DAPI para crear datos binarios de formación 19 00:01:17,400 --> 00:01:20,440 dentro del módulo Count and Measure del software. 20 00:01:20,440 --> 00:01:25,120 Como es necesario seguir este procedimiento para múltiples imágenes, guárdelo como macro. 21 00:01:25,120 --> 00:01:33,720 Para ello, abra la ventana de herramienta Macro Manager en la barra de menús. 22 00:01:33,720 --> 00:01:47,040 Haga clic en Create Macro y escriba la nomenclatura deseada para la etiqueta de formación. 23 00:01:47,040 --> 00:01:51,480 Después, seleccione el canal DAPI a partir de Dimension Selector. 24 00:01:51,480 --> 00:01:55,720 Seleccione el botón Automatic Threshold para aplicar de forma automática un umbral de intensidad 25 00:01:55,720 --> 00:02:01,400 en el canal DAPI a fin de detectar núcleos. 26 00:02:01,400 --> 00:02:06,000 Después, haga clic en el canal DAPI. 27 00:02:06,000 --> 00:02:09,360 Haga doble clic en el nombre de la fase para modificarlo. 28 00:02:09,360 --> 00:02:14,200 Dicho nombre será usado más adelante para la etiqueta de formación. 29 00:02:14,200 --> 00:02:17,200 Seleccione el color a partir de la lista desplegable. 30 00:02:17,200 --> 00:02:21,160 Use un color diferente para el canal DAPI y las otras fases. 31 00:02:21,160 --> 00:02:23,240 En este caso, se selecciona rojo. 32 00:02:23,240 --> 00:02:26,360 Haga doble clic en la pestaña Count and Mesure. 33 00:02:26,360 --> 00:02:29,200 Los núcleos son detectados de rojo. 34 00:02:29,200 --> 00:02:31,800 Si dos núcleos se ubican uno cerca del otro, 35 00:02:31,800 --> 00:02:35,600 a veces pueden ser detectados como uno solo. 36 00:02:35,600 --> 00:02:40,920 Cuando esto se produce, determine en el sistema la separación automática de estos dos objetos. 37 00:02:40,920 --> 00:02:43,200 Aplique el parámetro Select All Detected Objects 38 00:02:43,200 --> 00:03:02,600 y, después, el parámetro Auto Split Selected Object. 39 00:03:02,600 --> 00:03:05,320 Confirme que todos los objetos de interés hayan sido 40 00:03:05,320 --> 00:03:19,720 separados; y, después, detenga la grabación del macro. 41 00:03:19,720 --> 00:03:24,440 Ahora, se aplicará el macro, que se acaba de grabar, a múltiples imágenes. 42 00:03:24,440 --> 00:03:28,240 Cierre la imagen abierta. 43 00:03:28,240 --> 00:03:36,520 Active el modo Toogle Batch, y ejecute el macro. 44 00:03:36,520 --> 00:03:41,440 En este caso, se usará las imágenes en la guía del instalador. 45 00:03:41,440 --> 00:03:45,360 Para definir estas imágenes importadas, elija Documents in file system; 46 00:03:45,360 --> 00:03:56,240 y seleccione las diez imágenes de formación. 47 00:03:56,240 --> 00:03:58,560 Después, haga clic en Next. 48 00:03:58,560 --> 00:04:12,320 Determine la ubicación de almacenamiento para los archivos. 49 00:04:12,320 --> 00:04:31,720 Aquí, se nombra nuevamente la etiqueta de formación para el lote. 50 00:04:31,720 --> 00:04:37,400 Los datos de formación deben estar en el formato VSI. 51 00:04:37,400 --> 00:04:40,760 Normalmente, se recomienda seleccionar documentos cerrados 52 00:04:40,760 --> 00:04:44,880 si el macro de lote se debe aplicar a una gran cantidad de imágenes. 53 00:04:44,880 --> 00:04:50,520 Como, en este ejemplo, se usa solo diez imágenes, la casilla no será seleccionada. 54 00:04:50,520 --> 00:04:58,520 Ejecute el macro de lote para crear etiquetas de formación para las diez imágenes. 55 00:04:58,520 --> 00:05:02,360 Revise el resultado para confirmar si el proceso fue exitoso en las 10 imágenes 56 00:05:02,360 --> 00:05:09,480 y los datos se almacenaron en formato VSI. 57 00:05:09,480 --> 00:05:15,200 Es buena práctica revisar de forma rápida la calidad de la identificación y separación de los núcleos. 58 00:05:15,200 --> 00:05:29,120 Si un objeto no ha sido separado adecuadamente, proceda entonces manualmente. 59 00:05:29,120 --> 00:05:33,160 No olvide guardar la imagen si la modificó. 60 00:05:33,160 --> 00:05:35,960 Con ello, los datos de formación ya están listos. 61 00:05:35,960 --> 00:05:41,720 Visualice la segunda parte de esta serie de videos en donde se mostrará a utilizar este conjunto de datos. 62 00:05:41,720 --> 00:05:45,600 Si desea obtener más información acerca de la tecnología de aprendizaje profundo de Olympus 63 00:05:45,600 --> 00:05:49,880 visite olympus-lifescience.com.