피지(Fiji): 과학적 이미지 처리 소개 교육 과정

Fiji 및 ImageJ 생태계 시작하기

• Fiji의 아키텍처 이해: ImageJ 코어, 플러그인 및 업데이트 관리자
• 설치, 환경 설정 및 시작 시 자동 업데이트 구성
• GUI 탐색: 창, 도구 모음, 스택/시리즈 관리 및 단축키
• 지원되는 과학적 형식: TIFF, OME-TIFF, ND2, LIF, HDF5 및 메타데이터 표준
• 실습 1: Fiji 설치, 자동 업데이트를 위한 업데이트 관리자 구성 및 다중 채널 형광 현미경 데이터셋 탐색

핵심 이미지 처리 및 정량 분석

• 기본 변환: 잘라내기, 회전, 크기 조정 및 채널 분할
• 필터링 및 향상: 가우시안, 중앙값, CLAHE 및 노이즈 감소 기법
• 세그멘테이션 및 특징 추출: 임계값 처리, 워터셰드, ROI 매니저 및 입자 분석
• 정량화: 히스토그램 분석, 색 탈혼합, 공국소화 지표 및 통계 내보내기
• 실습 2: 샘플 세포 이미징 데이터셋에서 재현 가능한 2D/3D 분석 파이프라인을 구축하고 구조화된 측정 테이블을 내보내기

스크립팅, 자동화 및 다국어 워크플로우

• Fiji 스크립트 편집기: 스크립트 작성, 실행, 디버깅 및 파라미터화
• 적합한 언어 선택: Python(PyImageJ/ImgLib2), JavaScript(Nashorn), Groovy 및 Beanshell
• 과학적 컴퓨팅 생태계(NumPy, SciPy, pandas, scikit-image)와의 연결
• 매크로 기록 대 스크립팅: 각각의 사용 시기 및 깔끔하고 재사용 가능한 코드 유지 방법
• 실습 3: z-스택을 배치 처리하고 세포 지표를 추출하여 요약 플롯 및 CSV 보고서를 자동으로 생성하는 Python 스크립트 작성

고급 워크플로우: 3D 이미징, 스티칭 및 대규모 데이터셋

• 다차원 바이오클이미지 데이터 다루기: 가상 스택, 지연 로딩 및 메모리 관리
• 타일 현미경의 기본: 취득 패턴, 타일 번호 매기기 및 오버랩 처리
• 큰 3D 데이터셋 스티칭: BigStitcher 및 TrakEM2를 사용한 정합 및 병합
• 하드웨어 제약 환경(RAM, GPU 힌트, 클라우드 준비도)을 위한 성능 최적화
• 실습 4: 시뮬레이션된 타일 3D 현미경 데이터셋을 정합 및 스티칭하고 >10GB z-스택에 대한 메모리 사용량 최적화

Fiji 확장: ImgLib2, 플러그인 개발 및 배포

• ImgLib2 데이터 모델: N차원 배열, 뷰 및 메모리 효율적인 작업
• ImgLib2 및 ImageJ2 API를 사용하여 맞춤형 이미지 처리 알고리즘 구축
• 플러그인 패키징: Maven 구조, UI 통합 및 종속성 관리
• 공유 및 배포: 로컬/글로벌 업데이트 사이트 생성, Docker 컨테이너 및 재현 가능한 연구 패키지
• 팀 간 협업: 표준화된 파라미터, 파이프라인의 버전 관리 및 연구실 간 공유
• 실습 5: 맞춤형 ImgLib2 기반 플러그인 개발, 로컬에서 테스트 및 공유 업데이트 사이트 게시

재현성, 모범 사례 및 연구 통합

• 이력 추적: 결과에 스크립트, 파라미터 및 Fiji 버전 정보 포함
• 과학적 이미지 데이터의 메타데이터 표준 및 FAIR 원칙
• 프로파일링, 디버깅 및 일반적인 바이오클이미지 병목 현상 문제 해결
• 커뮤니티 자원: ImageJ/Fiji 문서, 포럼, GitHub 저장소 및 플러그인 생태계
• 최종 프로젝트: 연구 도메인에 맞춘 완전한 이미지 분석 워크플로우 설계, 스크립팅 및 문서화
• 맞춤화 옵션: 저희는 다음에 중점을 둔 맞춤 버전을 제공합니다.
  • 특정 이미징 모드(공초점, 초해상도, 전자 현미경 등)
  • 도메인 특화 파이프라인(세포 계수, 공국소화, 형태측정 등)
  • 기존 연구실 인프라(Slurm, AWS, 로컬 HPC 또는 OME-TIFF 아카이브)와의 통합