Fiji: Introduction to Scientific Image Processing培訓

Fiji與ImageJ生態系統入門

• 理解Fiji的架構：ImageJ核心、插件和更新管理器
• 安裝、環境設置和配置啓動時的自動更新
• 導航GUI：窗口、工具欄、堆棧/系列管理和鍵盤快捷鍵
• 支持的科學格式：TIFF、OME-TIFF、ND2、LIF、HDF5和元數據標準
• 實驗1：安裝Fiji，配置更新管理器以自動更新，並導航多通道熒光顯微鏡數據集

核心圖像處理與定量分析

• 基本變換：裁剪、旋轉、縮放和通道分離
• 濾波與增強：高斯、中值、CLAHE和降噪技術
• 分割與特徵提取：閾值、分水嶺、ROI管理器和粒子分析
• 量化：直方圖分析、顏色反捲積、共定位指標和統計導出
• 實驗2：在樣本細胞成像數據集上構建可重複的2D/3D分析管道，並導出結構化測量表

腳本編寫、自動化與多語言工作流

• Fiji腳本編輯器：編寫、運行、調試和參數化腳本
• 選擇正確的語言：Python（PyImageJ/ImgLib2）、JavaScript（Nashorn）、Groovy和Beanshell
• 將Fiji與科學計算生態系統（NumPy、SciPy、pandas、scikit-image）橋接
• 宏錄製與腳本編寫：何時使用每種方法以及如何維護乾淨、可重用的代碼
• 實驗3：編寫Python腳本以批處理z-stack，提取細胞指標，並自動生成摘要圖和CSV報告

高級工作流：3D成像、拼接與大型數據集

• 處理多維生物圖像數據：虛擬堆棧、延遲加載和內存管理
• 平鋪顯微鏡基礎：採集模式、圖塊編號和重疊處理
• 拼接大型3D數據集：使用BigStitcher和TrakEM2進行配準和合並
• 針對硬件受限環境的性能優化（RAM、GPU提示、雲準備）
• 實驗4：配準和拼接模擬的平鋪3D顯微鏡數據集，並優化>10GB z-stack的內存使用

擴展Fiji：ImgLib2、插件開發與部署

• ImgLib2數據模型：N維數組、視圖和內存高效操作
• 使用ImgLib2和ImageJ2 API構建自定義圖像處理算法
• 插件打包：Maven結構、UI集成和依賴管理
• 共享與部署：創建本地/全局更新站點、Docker容器和可重複的研究包
• 跨團隊協作：標準化參數、管道的版本控制和跨實驗室共享
• 實驗5：開發一個基於ImgLib2的自定義插件，在本地進行測試，並將其發佈到共享更新站點

可重複性、最佳實踐與研究集成

• 捕獲來源：在結果中嵌入腳本、參數和Fiji版本信息
• 科學圖像數據的元數據標準與FAIR原則
• 性能分析、調試和解決常見的生物圖像瓶頸
• 社區資源：ImageJ/Fiji文檔、論壇、GitHub倉庫和插件生態系統
• 最終項目：設計、編寫並記錄一個完整的圖像分析工作流，針對您的研究領域進行定製
• 定製選項：我們提供專注於以下內容的定製版本：
  • 特定成像模式（共聚焦、超分辨率、電子顯微鏡等）
  • 領域特定的管道（細胞計數、共定位、形態計量等）
  • 與現有實驗室基礎設施的集成（Slurm、AWS、本地HPC或OME-TIFF存檔）