seg_membrane_chord_score — EMPROOF `suspect` op

• 数据种类:labels2d × image2d → table

• 调用: import fullseye as fs; fs.ledger.seg_membrane_chord_score(labels, membrane, tau: 'float' = 0.2, band: 'int' = 4, min_area: 'int' = 1500, min_segment: 'int' = 20, normalize: 'bool' = True, ignore_zero: 'bool' = True, max_points: 'int' = 400, min_hole: 'int' = 4) -> 'dict'(要直接调用实现,import emproof; emproof.seg_membrane_chord_score(labels, membrane, tau: 'float' = 0.2, band: 'int' = 4, min_area: 'int' = 1500, min_segment: 'int' = 20, normalize: 'bool' = True, ignore_zero: 'bool' = True, max_points: 'int' = 400, min_hole: 'int' = 4) -> 'dict';从台账取用则 opsemproof.get("seg_membrane_chord_score"))

• GPU:无(仅 CPU 参考实现)

用法

疑似融合：横穿标签内部的膜的“弦”长 / 标签的直径。每个标签(连通分量)一行。

过程：将组件内膜响应 > tau 的像素（距边界 band px 内）分成 8 个连通组件，对于每个大于或等于 min_segment px 的膜组件，将其向边界侧加厚 3 px（distance ≤ band + 3）弦长是可以触摸的两个最远像素之间的距离。分数 = 最大弦长 / sqrt(面积)。连接两个边界的膜（= 两个粘贴单元格之间的边界）的分数 ≈ 1，不接触边界的片段为 0 或较小。 带孔膜组件 (min_hole 大于 px = 闭合环 = 线粒体/囊泡的孔) 被排除在候选字符串之外 --- 在边界上的两个点由于接触环与弦具有相同的“两个远点”，因此我们首先根据有无孔洞来划分它们。被切割成弧形的膜是不能排除这一点（真实数据中AUC没有达到1的主要原因）。

CREMI 样品 A（512² 的 12 个横截面，原型），人工融合组件与其他组件：AUC 0.83（tau 0.2）。

列：“标签”/“组件”/“区域”/“分数”/“chord_px”/“n_segments”/“cy”/“cx” （分数降序排列）。小于“min_area”的组件不被计算在内（小片段弦总是会显得更高，因为它们等于直径）。

>>> 表 = seg_membrane_chord_score(标签, seg_membrane_response(raw))

>>> table["label"][:5], table["score"][:5] # 最可疑

详细使用指南

• emproof 族使用指南

参考(示例数据、文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者、年份)与用途见上面的族使用指南。

可运行的示例(实际调用该算子并已验证的样例)

• poc_em_second_opinion — py -3.11 examples/poc_em_second_opinion.py

类型可衔接的下一个算子(可接受 `table` 作为输入)

seg_synapse_partners · seg_wiring_variation · seg_synapse_nri · seg_wiring_exposure

同类别(`suspect`)

seg_boundary_membrane_gap

*Provenance: emproof.py — EMPROOF 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

seg_membrane_chord_score — EMPROOF suspect op

用法