Mise en place de CaImAn, un outil d'analyse d'imagerie calcique (Python)

Dans cet article, je présenterai un outil appelé CaImAn (Calcium Imaging Analysis). Site officiel (https://github.com/flatironinstitute/CaImAn) Ce logiciel a diverses fonctions telles que la collecte de mouvements de vidéos d'imagerie du calcium, l'extraction de cellules et la déconvolution du signal. Cela semble être la norme des outils d'analyse actuels pour l'imagerie calcique.

Il existe une version Python et une version MATLAB de CaImAn, mais comme la méthode d'installation de la version Python est compliquée et qu'il n'y a pas de document japonais, elle est résumée ci-dessous. (La version MATLAB est plus facile à utiliser, elle est donc recommandée pour ceux qui ont MATLAB.)

Installation de CaImAn

La méthode d'installation est celle décrite dans l'installation liée. Python 3.6 recommandé, nécessite Anaconda ou Miniconda. Vous pouvez installer mac ou linux simplement en exécutant la commande bash, mais Windows est un peu compliqué. Voici le cas où je l'ai essayé sur Windows vers la fin de 2018 et cela a fonctionné.

Tout d'abord, vous devez installer «Outils de développement de bureau avec C ++» et «Outils CLI C / C ++» de Visual Studio 2017. Téléchargez Visual Studio 2017 à partir de la page d'accueil de Microsoft. L'édition communautaire est gratuite. Après cela, démarrez le programme d'installation et vérifiez les deux charges de travail «Outils de développement de bureau avec C ++» et «Outils CLI C / C ++» à installer.

Ensuite, créez un environnement virtuel pour CaImAn dans Anaconda. Exécutons la commande avec l'invite anaconda.

git clone  https://github.com/flatironinstitute/CaImAn
cd CaImAn
conda env create -f environment.yml -n caiman

Vous avez maintenant créé un environnement virtuel appelé caiman dans Anaconda. Ensuite, exploitons les deux fichiers dans les dossiers sous C: \ Users \ (nom d'utilisateur) \ Anaconda3 \ envs \ caiman .

Ouvrez "keras_activate.bat" et changez la variable d'environnement KERAS_BACKEND de theano en tensorflow.
Supprimez "vs2015_compiler_vars.bat".

Ensuite, installez CaImAn.

conda install -n caiman vs2017_win-64
activate caiman
pip install .
copy caimanmanager.py ..
conda install numba
cd ..

Ensuite, créons un dossier pour mettre le script d'exécution et les données d'analyse.

caimanmanager.py install

Vous avez maintenant un dossier appelé caiman_data dans votre répertoire actuel. Je pense que l'analyse devrait être faite dans ce dossier.

Essayez d'exécuter le code de démonstration

Vous pouvez utiliser demo_caiman_basic.py dans \ caiman_data \ demos \ general comme code de démonstration. Exécutons-le et voyons si cela fonctionne.

cd caiman_data\demos\general
demo_caiman_basic.py

Une fois exécuté, l'écran suivant apparaîtra. Ceci est un extrait de la forme de la cellule. Il est numéroté.

Et ici montre le changement de luminosité de chaque cellule, c'est-à-dire le changement d'activité électrique. Vous pouvez changer et afficher les cellules avec les touches de direction.

Dans ce code de démonstration, nous avons extrait les cellules clignotantes de la vidéo (demoMovie.tif dans le dossier example_movies). L'ajustement des paramètres dans le code changera le résultat.

À la fin

Vous pouvez maintenant utiliser la version Python de CaImAn. Je prévois d'écrire un article séparé sur l'utilisation de la version MATLAB et la déconvolution. Concernant l'algorithme d'extraction cellulaire, il semble qu'après extraction de la région candidate à l'aide du CNMF (décomposition conditionnelle du facteur matriciel non négatif), on juge s'il s'agit d'une cellule ou non en utilisant CNN (réseau de neurones convolutifs).