seg_membrane_chord_score — EMPROOF `suspect` op

• 資料種類:labels2d × image2d → table

• 呼叫: 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'(要直接呼叫實作,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';從台帳取用則 opsemproof.get("seg_membrane_chord_score"))

• GPU:無(僅 CPU 參考實作)

用法

疑似融合：橫越標籤內部的膜之「弦」長 / 標籤的直徑。每個標籤(連通元件)一列。

流程：將組件內膜反應 > tau 的像素（距邊界 band px 內）分成 8 個連通組件，對於每個大於或等於 min_segment px 的膜組件，將其向邊界側加厚 3 px（distance ≤ band + 3）弦長是可以觸摸的兩個最遠像素之間的距離。分數 = 最大弦長 / sqrt(面積)。連接兩個邊界的膜（= 兩個貼上儲存格之間的邊界）的分數 ≈ 1，不接觸邊界的片段為 0 或較小。 帶孔膜組件 (min_hole 大於 px = 閉合環 = 粒線體/囊泡的孔) 被排除在候選字串之外 --- 在邊界上的兩個點由於接觸環與弦具有相同的“兩個遠點”，因此我們首先根據有無孔洞來劃分它們。被切割成弧形的膜是不能排除這一點（真實數據中AUC沒有達到1的主要原因）。

CREMI 樣品 A（512² 的 12 個橫截面，原型），人工融合組件與其他組件：AUC 0.83（tau 0.2）。

列：“標籤”/“組件”/“區域”/“分數”/“chord_px”/“n_segments”/“cy”/“cx” （分數降序排列）。小於「min_area」的組件不被計算在內（小片段弦總是會顯得更高，因為它們等於直徑）。

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

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

詳細使用指南

• emproof 族使用指南

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• poc_em_second_opinion — py -3.11 examples/poc_em_second_opinion.py

型別可銜接的下一個運算子(可接受 `table` 作為輸入)

seg_synapse_partners · seg_wiring_variation · seg_synapse_nri · seg_wiring_exposure

同類別(`suspect`)

seg_boundary_membrane_gap

*Provenance: emproof.py — EMPROOF 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

seg_membrane_chord_score — EMPROOF suspect op

用法