در این مطلب، ویدئو 35 – تجزیه و تحلیل هسته سلولی در پایتون با استفاده از تقسیم بندی حوزه آبخیز با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:15:24
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,149 –> 00:00:02,909
سلام بچه ها برای دیدن سوئینی و شما در حال
2
00:00:02,909 –> 00:00:05,250
تماشای فیلم های آموزشی پایتون در
3
00:00:05,250 –> 00:00:09,000
کانال یوتیوب من Python برای میکروسکوپ
4
00:00:09,000 –> 00:00:12,120
در دو آموزش آخر هستید که من
5
00:00:12,120 –> 00:00:14,450
موضوعات تجزیه و تحلیل توزیع اندازه دانه را
6
00:00:14,450 –> 00:00:18,300
با استفاده از یک تصویر میکروسکوپی که
7
00:00:18,300 –> 00:00:19,800
شامل یک دسته کامل دانه
8
00:00:19,800 –> 00:00:23,640
احتمالاً از آلیاژ ما بود پوشش دادم. باید یک
9
00:00:23,640 –> 00:00:25,560
نمونه متالورژیکی باشد که سطح صیقلی را می شناسید
10
00:00:25,560 –> 00:00:28,740
یا می تواند یک عراق زمین شناسی باشد
11
00:00:28,740 –> 00:00:31,410
که می شناسید با دانه های درشت یا حتی
12
00:00:31,410 –> 00:00:33,620
دانه های کوچکتر که صیقلی نشده باشد
13
00:00:33,620 –> 00:00:36,030
و تصاویر می توانند از یک
14
00:00:36,030 –> 00:00:38,070
میکروسکوپ نوری یا یک میکروسکوپ الکترونی باشند
15
00:00:38,070 –> 00:00:39,390
، مهم نیست اینها هستند. یک دسته
16
00:00:39,390 –> 00:00:43,170
دانه در حال حاضر این آموزش یک
17
00:00:43,170 –> 00:00:45,000
توسعه جزئی از دو آموزش قبلی است،
18
00:00:45,000 –> 00:00:48,510
به این معنی که در اینجا من
19
00:00:48,510 –> 00:00:50,520
دقیقاً همان کدی را که
20
00:00:50,520 –> 00:00:54,050
در آخرین آموزش نوشته بودیم برداریم و
21
00:00:54,050 –> 00:01:00,030
یک نمونه بیولوژیکی را وارد کنم که یک
22
00:01:00,030 –> 00:01:01,949
تصویر است که حاوی با عرض پوزش، یک
23
00:01:01,949 –> 00:01:03,960
تصویر بیولوژیکی از یک نمونه بیولوژیکی وارد کنید
24
00:01:03,960 –> 00:01:06,540
که شامل یک دسته کامل
25
00:01:06,540 –> 00:01:10,140
سلول است و این سلول ها سلول های استئوسارکوم
26
00:01:10,140 –> 00:01:13,080
هستند، بنابراین در صورتی که بچه ها تعجب کنید. n
27
00:01:13,080 –> 00:01:14,640
من در اینجا وانمود می کنم که یک دانشمند زندگی
28
00:01:14,640 –> 00:01:16,470
هستم، من یک دانشمند علم مواد هستم، اما
29
00:01:16,470 –> 00:01:18,900
از قبل آن را بررسی کردم که در آن
30
00:01:18,900 –> 00:01:22,619
استئوسارکوم سرطانی است که شایع ترین
31
00:01:22,619 –> 00:01:24,840
نوع سرطان است که از استخوان ها شروع می شود
32
00:01:24,840 –> 00:01:28,140
و دلیل اینکه چرا باید بدانیم
33
00:01:28,140 –> 00:01:30,270
چه چیزی وجود دارد. این است و نه صرفاً با
34
00:01:30,270 –> 00:01:32,939
تصاویر، حداقل من سعی میکنم این کار را انجام دهم،
35
00:01:32,939 –> 00:01:35,189
زمانی که داستان یک
36
00:01:35,189 –> 00:01:37,079
تصویر را بدانم، کمی شخصیتر میشود،
37
00:01:37,079 –> 00:01:40,200
اکنون میخواهم مطمئن شوم که بهترین کارم را انجام میدهم
38
00:01:40,200 –> 00:01:42,899
تا مطمئن شوم حداقل
39
00:01:42,899 –> 00:01:46,170
به سرعت بخشیدن به تحقیقات دیگران کمک کنید،
40
00:01:46,170 –> 00:01:48,479
مخصوصاً اگر تأثیر فوری
41
00:01:48,479 –> 00:01:50,520
بر زندگی دیگران داشته باشد، بنابراین
42
00:01:50,520 –> 00:01:55,380
همه ما انگیزه احساسی داریم،
43
00:01:55,380 –> 00:01:58,020
شما موضوعاتی مانند این را می شناسید، بنابراین به هر حال
44
00:01:58,020 –> 00:02:01,079
بازگشت به تصویر در واقع تصویری است که من
45
00:02:01,079 –> 00:02:03,460
آن را در
46
00:02:03,460 –> 00:02:07,020
نرم افزار Zen light باز کردم. نرم افزار
47
00:02:07,020 –> 00:02:09,038
شما می دانید نرم افزار رایگانی که می توانید
48
00:02:09,038 –> 00:02:12,310
از سایت زایس دانلود کنید به نام
49
00:02:12,310 –> 00:02:16,780
زایس البته من برای کارل زایس کار می کنم و
50
00:02:16,780 –> 00:02:19,240
این تصویری است که قرار است از آن استفاده کنم و
51
00:02:19,240 –> 00:02:21,670
این برای دانشمندان زندگی است که احتمالاً
52
00:02:21,670 –> 00:02:23,920
می دانید این تصویر چگونه است. e
53
00:02:23,920 –> 00:02:26,500
جمع آوری شده است این یک
54
00:02:26,500 –> 00:02:30,069
تصویر میکروسکوپ فلورسانس است و نمونه
55
00:02:30,069 –> 00:02:33,430
با چندین رنگ رنگ آمیزی شده است و در این
56
00:02:33,430 –> 00:02:36,250
مثال منظور من از رنگ
57
00:02:36,250 –> 00:02:38,920
هایی است که حداقل در این
58
00:02:38,920 –> 00:02:43,750
تصویر خاص استفاده کرده ایم 568 488 است و Dappy
59
00:02:43,750 –> 00:02:47,650
Dappy به هر حال این آبی است. در این تصویر
60
00:02:47,650 –> 00:02:52,180
به رنگ آبی به نظر می رسد و در
61
00:02:52,180 –> 00:02:58,480
واقع یک راه خوب برای جداسازی هسته ها است، بنابراین
62
00:02:58,480 –> 00:03:01,090
بیایید به تصویر برگردیم و
63
00:03:01,090 –> 00:03:02,920
دقیقاً توضیح دهیم که اگر
64
00:03:02,920 –> 00:03:04,780
کانال های قرمز و سبز را بچرخانم اگر فقط
65
00:03:04,780 –> 00:03:07,660
به رنگ آبی نگاه کنید می بینید که دقیقاً منظور من چیست. تقریباً مثل
66
00:03:07,660 –> 00:03:10,570
اینکه قبلاً تصویر قطعه بندی شده است، بله،
67
00:03:10,570 –> 00:03:12,670
فقط باید آنها را در آستانه تقسیم بندی کنیم و
68
00:03:12,670 –> 00:03:14,380
آنها را از هم جدا کنیم و سپس فقط
69
00:03:14,380 –> 00:03:18,130
آنها را بشماریم، به همین دلیل است که در
70
00:03:18,130 –> 00:03:20,200
علوم زیستی می دانید که بسیار مهم است
71
00:03:20,200 –> 00:03:22,420
که آماده سازی نمونه سفید انجام شود،
72
00:03:22,420 –> 00:03:24,640
سپس مشکل تصویربرداری بسیار خواهد بود.
73
00:03:24,640 –> 00:03:27,340
حل کردن ساده است بله، به هر حال، بنابراین
74
00:03:27,340 –> 00:03:29,320
این تصویری است که ما در آن می خوانیم
75
00:03:29,320 –> 00:03:32,260
و البته من می روم
76
00:03:32,260 –> 00:03:34,660
تصویر را به یک فایل tiff تبدیل کردم، بنابراین بیایید ادامه دهیم
77
00:03:34,660 –> 00:03:37,030
و از TIFF استفاده کنیم، اما اگر تصویر شما در
78
00:03:37,030 –> 00:03:40,090
nat است فرمت ive CGI یا اگر به صورت بومی باشد
79
00:03:40,090 –> 00:03:42,640
هر شرکت میکروسکوپی که می دانید
80
00:03:42,640 –> 00:03:45,880
فرمت باشد، می توانید از
81
00:03:45,880 –> 00:03:49,959
ماژول فرمت هایی که می شناسید استفاده کنید یا کتابخانه های مختلفی
82
00:03:49,959 –> 00:03:51,640
در پایتون وجود دارد که در واقع می
83
00:03:51,640 –> 00:03:54,519
توانند این نوع تصاویر اختصاصی را بخوانند،
84
00:03:54,519 –> 00:03:58,510
به عنوان مثال فایل CGI یک کتابخانه است. که
85
00:03:58,510 –> 00:04:01,390
میتوانید برای خواندن در این فایلها از آن استفاده کنید،
86
00:04:01,390 –> 00:04:03,790
منظورم این است که من قبلاً آن را نصب
87
00:04:03,790 –> 00:04:07,810
کردهام، بنابراین czi file e را وارد کنید تا آن
88
00:04:07,810 –> 00:04:10,060
کتابخانه را همانطور که میبینید وارد کند و سپس
89
00:04:10,060 –> 00:04:12,030
عملکردهایی دارد که میدانید که میتوانید برای
90
00:04:12,030 –> 00:04:14,680
خواندن تصاویری که میشناسید استفاده کنید. و به همین ترتیب به
91
00:04:14,680 –> 00:04:16,430
هر حال این موضوع متفاوتی است
92
00:04:16,430 –> 00:04:18,889
اکنون اجازه دهید به این کد نگاه
93
00:04:18,889 –> 00:04:21,680
94
00:04:21,680 –> 00:04:23,960
کنیم.
95
00:04:23,960 –> 00:04:28,490
96
00:04:28,490 –> 00:04:31,970
97
00:04:31,970 –> 00:04:35,150
متوجه شدم که من همیشه
98
00:04:35,150 –> 00:04:37,550
همه کارها را در برنامه به نام اولین
99
00:04:37,550 –> 00:04:39,470
نقطه PI برنامه انجام می دهم زیرا این همان برنامه ای است که
100
00:04:39,470 –> 00:04:42,979
ما با شما به عنوان بخشی از
101
00:04:42,979 –> 00:04:46,070
این مجموعه آموزشی شروع کردیم، اما وقتی خوب به نظر برسد،
102
00:04:46,070 –> 00:04:49,940
فقط فایل را به عنوان کپی ذخیره می کنم و
103
00:04:49,940 –> 00:04:51,740
سپس می دهم این یک نام مناسب است مانند
104
00:04:51,740 –> 00:04:54,350
تجزیه و تحلیل اندازه دانه در مورد روشی که من
105
00:04:54,350 –> 00:04:56,660
کار می کنم شما هر کاری را که برای شما راحت است انجام
106
00:04:56,660 –> 00:04:59,150
می دهید، بنابراین بیایید ادامه دهیم و این کد
107
00:04:59,150 –> 00:05:03,410
را مطابق با تصویر سلولی خود ویرایش کنیم، بنابراین اول از همه
108
00:05:03,410 –> 00:05:07,419
این نام فایل در اینجا
109
00:05:07,419 –> 00:05:12,349
استئوسارکوم RTI F نامیده می شود و فقط برای اطمینان از
110
00:05:12,349 –> 00:05:16,099
اینکه به درستی تایپ کردهام، اجازه دهید
111
00:05:16,099 –> 00:05:18,860
برنامه را تا این مرحله اجرا کنم و به نظر
112
00:05:18,860 –> 00:05:22,150
میرسد که نه، کار خوبی انجام نمیدهد،
113
00:05:22,150 –> 00:05:25,669
زیرا چیزی که من در اینجا میبینم تصویر یک
114
00:05:25,669 –> 00:05:28,580
هیچ نوع هیچ نوع شیء هر
115
00:05:28,580 –> 00:05:31,099
چیزی است که آن چیز وجود دارد، بنابراین بیایید مشکل را حل
116
00:05:31,099 –> 00:05:34,070
کنیم در اینجا بنابراین استئوسارکوم من
117
00:05:34,070 –> 00:05:38,620
فکر می کنم زیر خط صفر یک نقطه است
118
00:05:38,620 –> 00:05:41,150
من چند تصویر دارم بله شما
119
00:05:41,150 –> 00:05:47,030
بروید پس این یک عدد صحیح بدون علامت 8 و 1
120
00:05:47,030 –> 00:05:50,000
نقطه 1 K در یک نقطه تقریبا 4k در
121
00:05:50,000 –> 00:05:51,440
سه کانال قرمز سبز و آبی
122
00:05:51,440 –> 00:05:53,840
بی پایان است پس چه شد ما به عنوان مرحله بعدی این کار را انجام می دهیم،
123
00:05:53,840 –> 00:05:55,849
بنابراین آخرین باری که
124
00:05:55,849 –> 00:05:57,800
تصویر را به یک تصویر سطح خاکستری تبدیل کردیم، اما من
125
00:05:57,800 –> 00:05:59,990
نمی خواهم این کار را انجام دهم زیرا اگر این کار را انجام دهم،
126
00:05:59,990 –> 00:06:02,030
کل این کار یک تصویر سطح خاکستری خواهد بود
127
00:06:02,030 –> 00:06:04,849
که مایه شرمساری است زیرا
128
00:06:04,849 –> 00:06:07,610
اطلاعات ما بسیار زیبا حاوی i n
129
00:06:07,610 –> 00:06:09,560
کانال آبی، بنابراین اجازه دهید کانال آبی را از هم جدا
130
00:06:09,560 –> 00:06:12,289
کنیم تا روشی
131
00:06:12,289 –> 00:06:15,349
که انجام میدهیم احتمالاً خیر است.
132
00:06:15,349 –> 00:06:17,419
133
00:06:17,419 –> 00:06:19,610
134
00:06:19,610 –> 00:06:22,159
135
00:06:22,159 –> 00:06:24,919
فقط کانال آبی را می خواهید
136
00:06:24,919 –> 00:06:29,240
سومی را در اینجا می بینید X Y یا عرض و
137
00:06:29,240 –> 00:06:30,200
ارتفاع یا ارتفاع و
138
00:06:30,200 –> 00:06:31,940
هر چه این دو هستند و این
139
00:06:31,940 –> 00:06:33,830
تعداد کانال ها است و این کانال ها
140
00:06:33,830 –> 00:06:35,840
به ترتیب ترتیب آنها سبز آبی و
141
00:06:35,840 –> 00:06:36,260
قرمز است
142
00:06:36,260 –> 00:06:39,020
بنابراین با تایپ صفر من دریافت می کنم آبی باشه،
143
00:06:39,020 –> 00:06:41,600
بیایید این را اجرا کنیم و مطمئن شویم که خوب هستیم،
144
00:06:41,600 –> 00:06:43,070
در واقع بیایید جلو برویم و
145
00:06:43,070 –> 00:06:47,200
این را تجسم کنیم نه اینکه فقط در نقطه cb2 اجرا شود در نمایش
146
00:06:47,200 –> 00:06:50,540
چه چیزی میخواهیم یک تصویر آبی نشان
147
00:06:50,540 –> 00:06:56,690
دهیم، فرض کنید بگوییم این فقط IMG و نقطه cb2 است
148
00:06:56,690 –> 00:07:01,340
منتظر صفر صفر باشید. بنابراین حالا بیایید ادامه دهیم
149
00:07:01,340 –> 00:07:05,810
و این را اجرا کنیم و این تصویر
150
00:07:05,810 –> 00:07:08,690
بسیار زیبایی است که ممکن است جدا کردن این سلول ها کمی
151
00:07:08,690 –> 00:07:11,720
دشوار باشد بله، اما بسیاری از
152
00:07:11,720 –> 00:07:13,340
این سلول ها به خوبی از
153
00:07:13,340 –> 00:07:15,710
هم جدا شده اند و برخی از آنها می
154
00:07:15,710 –> 00:07:18,500
توانند کمی چالش برانگیز باشند، خوب این دو می
155
00:07:18,500 –> 00:07:21,680
گویند من انجام خواهد داد اما این دقیق است
156
00:07:21,680 –> 00:07:23,030
اگر شما فقط از
157
00:07:23,030 –> 00:07:26,300
آستانه استفاده می کنید این نمونه است که
158
00:07:26,300 –> 00:07:27,950
نمی توانید آن سلول ها را جدا کنید
159
00:07:27,950 –> 00:07:29,810
در واقع بهترین راه برای انجام این نوع
160
00:07:29,810 –> 00:07:31,790
کارها استفاده از یادگیری ماشینی است که در
161
00:07:31,790 –> 00:07:35,120
آن آموزش می دهید به گاتهام بگویید همه این
162
00:07:35,120 –> 00:07:36,740
سلول ها چگونه هستند و سپس آن را انجام دهید. در واقع
163
00:07:36,740 –> 00:07:38,720
کار بسیار خوبی برای جدا کردن آنها انجام می دهد، اما
164
00:07:38,720 –> 00:07:41,780
این فراتر از محدوده است. من هنوز
165
00:07:41,780 –> 00:07:45,970
آن نوع دانش را ندارم، بنابراین اجازه دهید
166
00:07:45,97