BDS^3 2024

Image Analysis with Python and napari

Biological Data Science Summer School, 7-20 July 2024, Uzhhorod, Ukraine.

Структура курсу

	0 (13.07)	1 (15.07)	2 (16.07)	3 (17.07)	4 (18.07)	5 (19.07)
1h (11:30-12:30)	-	Біологічна основа проекту, формат презентації результатів	Q/A	Q/A	Q/A	-
2h (13:30-15:30)	-	Робота з багатовимірними масивами, відображення даних live-cell imaging, попередня обробка даних	Побудова профілів інтенсивностей з використанням масок, візуалізація профілів	Упаковка коду в функції та класи	Потокові розрахунки в napari, збірка плагіну	Підготовка постера
2h (16:00-18:00)	Основи роботи з масивами numpy, зображення як масиви	Маскування і морфологічні операції із бінарними зображеннями	Оцінка біофізичних характеристик на основі даних декількох спектральних каналів	Побудова простих віджетів в napari	Підбирання хвостів	Презентація постера

Tip

Перед початком курсу варто пригадати синтаксис функцій та класів в Python українською або англійською.

Tip

Перед початком курсу варто пригадати основи роботи з масивами NumPy українською або англійською.

Підготовка оточення

Необхідні бібліотеки

Python
Jupyter
Numpy
Pandas
Scipy
Scikit-image
Matplotlib
SymPy (optional)

Наполегливо рекомендую використовувати менеджер оточень для встановлення бібліотек щоб запобігти конфлікту версій та залежностей (Miniconda, venv і т.д.), інструкція для роботи з Conda наведена нижче.

Встановлення Conda та створення оточення

Встановіть Miniconda для Вашої операційної системи.

Warning

Рекомендую встановлювати саме Miniconda, оскільки Anaconda одразу містить багато непотрібних для проекту бібліотек і важить > 2GB.

Наступні команди вводити в Unix-термінал (у випадку Linux або MacOS) або Anaconda Prompt (у випадку Windows).

Створення оточення з мінімальним набором бібілотек:

conda create -n bds3-img-env python>3.9 jupyter numpy matplotlib pandas

Запуск оточення:

conda activate bds3-img-env

Вихід з оточення:

conda deactivate bds3-img-env

Створення повного оточення з YAML файла:

conda env create -f bds3-img-env.yml

Встановлення napari

napari є відкритою бібліотекою для візуалізацію та аналізу багатовимірних зображень. Окрім можливості використання napari надає зручний графічний інтерфейс та простий framework для інтеграції нового фукціоналу у вигляді плагінів. Доступні плагіни можна знайти на napari-hub.

Встановлення за допомогою pip через Unix-термінал/Anaconda Prompt, встановлювати слід в оточенні bds3-img-env:

python -m pip install "napari[all]"

Для запуска графічного інтерфейса виконайте команду napari в Unix-терміналі/Anaconda Prompt в оточені bds3-img-env.

Tip

До початку курсу рекомендую ознайомитись з матеріалами napari how-to guides.

Встановлення IDE

Інтегроване середовище розробки (Integrated Development Environment - IDE) значно спростить роботу з оточенями Conda та Jupyter-ноутбуками з яких складається даний курс.

Встановлення та налаштування:

Встановіть Visual Studio Code відповідно Вашій оперційній системі
Для роботи з кодом Python та Jupyter-ноутбуками користуючись вкладкою Розширення (Extensions) на лівій панелі IDE встановіть розширення Python та Jupyter
Для запуску Jupyter-ноутбука в середовищі Conda натисніть на меню Select Kernel у верхньому правому кутку вікна відкритого Jupyter-ноутбука, оберіть пункт Python Environment та необхідне нам оточеня bds3-img-env серед запропонованих варіантів інтерпретаторів чи оточень (у випадку такого підключення запуск оточення через Unix-термінал/Anaconda Prompt не потрібен)

Обліковий запис PyPI (optional)

Створення облікового запису Python Package Index (PyPI) дозволить розповсюджувати і встановлювати створені Вами бібліотеки та плагіни napari за допомогою системи керування пакетами pip.

Додаткові бібліотеки для збірки та публікації бібліотек:

setuptools >= 61.0
build
twine

Корисні посилання

Література

BDS^3 2024. Image Analysis with Python and napari by Borys Olifirov is licensed under CC BY 4.0

wisstock/BDS3_2024_img_analysis