1.GPU pytorch安装
在官网中找到自己适合的版本:PyTorch
复制下方的语句到cmd执行,挂个梯子会更快,但是也有说挂梯子会报错的,我是没有报错。
2.cellpose安装
python -m pip install cellpose
3.使用
准备好需要的环境
from cellpose import utils, io, models
from cellpose import plot
import numpy as np
from scipy import ndimage
import pandas as pd
%matplotlib inline
mpl.rcParams['figure.dpi'] = 300
包装成函数。
chan参数需要自己设定好,假设输入为[x,y],x为胞质通道,y为胞核通道。按照rgb的顺序标记为1,2,3,如果在你的图像中胞质为绿色,则x=2,其他的同理。如果确定不了就写0
如果感觉分割出来的结果有很多假阴性,那就把flow_threshold设置大一些,反之设置小一些
def sig(filename,gpu=False,save=False,diameter=0,flow_threshold=0.6,cellprob_threshold=-1):
img = io.imread(filename)
#胞质,核
chan=[0,3]
model = models.Cellpose(gpu=gpu, model_type='cyto')
masks, flows, styles, diams = model.eval(img, diameter=diameter,
flow_threshold=flow_threshold,cellprob_threshold=cellprob_threshold, channels=chan)
if save!=False :
io.masks_flows_to_seg(img, masks, flows, diams, filename, chan)
io.save_to_png(img, masks, flows, filename)
# display results
fig = plt.figure(figsize=(12,5))
plot.show_segmentation(fig, img, masks, flows[0], channels=chan)
plt.tight_layout()
plt.show()
return masks
mask = sig("./tmp.png",save=False,gpu=True)