Клетки картинки: D0 ba d0 bb d0 b5 d1 82 d0 ba d0 b0 d1 87 d0 b5 d0 bb d0 be d0 b2 d0 b5 d0 ba d0 b0 картинки, стоковые фото D0 ba d0 bb d0 b5 d1 82 d0 ba d0 b0 d1 87 d0 b5 d0 bb d0 be d0 b2 d0 b5 d0 ba d0 b0


11.09.1970 Facebook Twitter LinkedIn Google+ Разное


Содержание

9 простых способов / Skillbox Media

Неопытные дизайнеры часто избавляются от лишних частей изображения с помощью ластика — этого делать не стоит, потому что он безвозвратно удаляет стертые пиксели. 

Профессионалы пользуются Масками/Masks — они позволяют не удалять, а скрывать какие-либо части изображения, поэтому в любой момент можно восстановить картинку.

На фотографии, с которой нужно убрать лишнее, создается дополнительный слой — та самая Маска. Скрывать части изображения помогает черная кисть, а восстанавливать — белая.

Как пользоваться Масками/Masks в Photoshop

Часто, когда новички делают выделение, а затем создают слой с Маской, скрывается не фон, а объект, который вырезали. Если так произошло, нужно просто отменить действие, нажав Ctrl + Z, и инвертировать выделение.

Для этого выберите выделение активным инструментом, щелкните правой кнопкой мыши и инвертируйте выделенную область.

Как инвертировать выделение в Photoshop

Теперь можно переходить к удалению фона с изображения.

Всегда можно создать маску и стереть ненужные области с помощью Кисти/Brush Tool черного цвета.  Этот способ дает точный результат, но он долгий.  Вернуть стертые области поможет кисть белого цвета.

Удаление фона при помощи кистей в Photoshop

Волшебная палочка/Magic Wand — самый простой и быстрый способ удаления лишних частей изображения. Чтобы убрать фон с картинки при помощи Волшебной палочки, нужно задать значение допуска — чем оно выше, тем больше будет область выделения. Далее щелкните по области, которую хотите скрыть, и залейте ее черным цветом.

Удаление фона с помощью Волшебной палочки/Magic Wand

Если раскрыть дополнительные инструменты Волшебной палочки, вы увидите Быстрое выделение/Quick Selection Tool — это чуть более усовершенствованный вариант рассмотренного способа.

Как работает Быстрое выделение/Quick Selection Tool

Как и все простые инструменты, Волшебная палочка действует достаточно грубо.
На объекте могут остаться следы скрытого фона, которые придется убирать с помощью Кисти. С ее помощью можно понять, подойдет ли объект для ваших целей, а уже потом думать о более качественной обтравке.

Инструмент Лассо/Lasso Tool, а также дополнительные инструменты выделения

Прямолинейное лассо/Polygonal Lasso Tool и Магнитное лассо/Magnetic Lasso Tool позволяют сделать быстрое выделение нужной области. Это удобно в случае, если нужен не объект целиком, а только его часть. Эту самую часть вы выделяете Лассо, а дальше работаете непосредственно с ней.

Обтравка объекта при помощи Лассо/Lasso Tool

Вы становитесь профессионалом в Photoshop, когда начинаете комбинировать инструменты и искать нестандартные способы решения проблемы. Именно так и появляются лайфхаки. Например, если нужно вырезать куст с неоднородного зеленого фона, не всегда нужно прибегать к сложным способам обтравки. Можно вырезать объект при помощи простого Лассо, а края куста обработать при помощи кисти для создания травы, максимально похожей по контуру на вырезаемый объект.

Выберите инструмент Прямоугольное выделение/Rectangular Marquee Tool — наверху, в настройках инструмента, будет вкладка Выделение и маска/Select and Mask. После нажатия откроется отдельное окно с параметрами — можно выбрать кисть для выделения, отрегулировать ее радиус, настроить сглаживание, контрастность и растушевку. Чаще всего этот инструмент используется, чтобы улучшить выделение, сделанное более быстрым способом.

Как работает инструмент Выделение и маска/Select and Mask

Чтобы убрать фон с картинки при помощи Каналов/Channels, вам нужно перейти в соответствующую вкладку рядом со Слоями/Layers, выбрать самый контрастный из них, продублировать его и вызвать инструмент Кривые

 (Ctrl + M). При помощи кривой можно сделать объект еще более контрастным, создать выделение, щелкнув по каналу с зажатым Ctrl, включить обратно все каналы и создать маску, инвертировав выделение при необходимости.

Как вырезать объект с помощью Каналов/Channels

Так же, как Выделение и маска, инструменты затемнения и осветления применяются в качестве средства улучшения уже готового выделения. Например, если вы выделили сложный объект с помощью Каналов, он может оказаться частично прозрачным — из-за того, что оттенки самой картинки передались на маску оттенками серого.

Исправить это просто: нужно перейти в режим редактирования маски — кликните по значку маски рядом со слоем с зажатым Alt

, а затем осветлите или затемните нужные области с помощью инструмента Осветлитель/Dodge и Затемнитель/Burn.

Как улучшить готовую маску

Обтравка объекта с помощью Пера/Pen Tool — один из самых качественных способов убрать фон с картинки или объекта. Выбрав инструмент из панели слева, ваша задача — максимально корректно построить путь будущего выделения. Как только закончите выделять объект или его часть, нужно закрыть контур и залить его черным цветом, предварительно создав маску.

Работа с инструментом Перо/Pen Tool

Если нужно добавить к картинке элементы, изначально размещенные на черном или белом фоне, то лучше всего подойдут Режимы наложения/Blending Modes. Какой из них выбрать, зависит от ситуации, но чаще всего используются

Экран/Screen, Мягкий свет/Soft Light и Умножение/Multiply

Как работают Режимы наложения/Blending Modes

Найти этот инструмент можно, щелкнув по слою правой кнопкой мышки.   Откроется окно со множеством функций, выберите вкладку Параметры наложения/Blending Options. Внизу окна увидите функцию Наложение/Blend If. Регулируя ползунки на палитре, можно убавить количество белых или черных оттенков, а также изменить канал на красный, синий или зеленый. Обратите внимание, если на ползунок нажать с зажатой клавишей Alt, он разделится на две половинки. Перемещая их, можно сделать выделение более мягким.

Удаление фона с помощью Параметров наложения/Blending Options

Это один из самых старых и проверенных способов убрать фон с картинки. Инструмент находится во вкладке Выделение/Select. Когда выбираете Цветовой диапазон/Color Range, открывается окно с его настройками. Ваша задача — с помощью пипеток и регулирования Разброса/Fuziness выбрать те оттенки, которые нужно стереть с изображения. Затем создайте маску, инвертируйте выделение при необходимости.

Цветовой диапазон/Color Range также поможет избавиться от фона

Не существует идеального способа убрать фон с картинки. Каждый из рассмотренных может пригодиться в разных ситуациях, поэтому важно знать если не все из них, то большинство.

Стать настоящим профессионалом в Photoshop очень сложно. Если раньше начинающие специалисты страдали от недостатка уроков, то сегодня мы наблюдаем обратную проблему — переизбыток информации, среди которой еще нужно найти хороший контент. Выход — наш курс «Рекламная графика», с помощью которого вы станете настоящим гуру Photoshop.

Вы узнаете, как создаются визуализации для рекламы и красивые фоны для кино и видеоигр, поймете, как обрабатывают фотографии профессионалы, и откроете для себя новую востребованную профессию.

Рак ротовой полости — ДЗМ

это злокачественное новообразование, поражающее губы (чаще всего нижнюю губу), внутренние поверхности полости рта, а также заднюю стенку глотки, миндалины и слюнные железы. Заболевание чаще встречается у мужчин, как правило людей старше 40 лет.

Причины и факторы риска.

  • Курение, в том числе жевание и нюхание табака.
  • Употребление алкогольных напитков.

! При сочетании этих двух факторов — вероятность поражения ротовой полости возрастает.

  • Мужской пол.
  • Острые края пломбы, неудобный протез или другие факторы, оказывающие травмирующее действие на слизистую рта, могут привести к развитию раковой опухоли.
  • Инфицирование полости вирусом папилломы, который относится к шестнадцатому типу, может быть причиной появления рака.
  • Наличие красного плоского лишая слизистой полости рта плоский — угроза раковых образований.
  • Ослабление иммунитета при системном приёме химических препаратов является фактором риска появлении онкологии.
  • Неполноценное питание с недостаточным употреблением фруктов и овощей и дефицитом антиоксидантов – витаминов А, С и Е создаёт условия для роста раковых клеток.
  • Частый контакт с асбестом способствует возникновению рака в полости рта. Такое же неблагоприятное влияние оказывают на человека полициклические органические соединения.

Клинические проявления.

  • утолщение языка, что приводит к дискомфорту во время еды и разговора,
  • онемение языка,
  • онемение дёсен, некоторых зубов,
  • выпадение зубов без видимой причины,
  • отёк челюсти,
  • боль в ротовой полости, которая принимает хронический характер,
  • хроническое увеличение лимфатических узлов, расположенных в области шеи,
  • изменение голоса,
  • потеря веса,

  • появление на губах или в полости рта образования, которое не проходит длительное время и имеет тенденцию увеличиваться в размерах, это может быть:
    • красное пятно,
    • беловатое пятно,
    • язвочка,
    • уплотнение,
    • нарост.

! Эти явления могут и не быть раковыми образованиями, но переродиться в них с течением времени.

Образования проходят три фазы развития:

  • Начальная ступень – человек замечает непривычные явления в состоянии здоровья ротовой полости. Случаются неясные боли, уплотнения, язвы в полости рта.
  • Развитая стадия болезни — язвы становятся в виде щелей. Они могут располагаться над опухолью. Возникают болевые ощущения, которые могут отдавать в разные области головы. Раковая опухоль может развиваться и без выраженной боли.
  • Запущенная ступень — заболевание активно разрушает окружающие ткани.

Формы рака полости рта (классификация по внешнему виду):

  • Узловатая — во рту появляется уплотнение чёткой формы. Поверхность слизистой в этом месте либо не меняется, либо имеет белесоватые пятна. Новое образование обычно быстро увеличивает свои размеры.
  • Язвенная — проявляется в виде язвы на слизистой оболочке. Она беспокоит пациента и долго не заживает. Патология в виде язвочки быстро прогрессирует. Такая форма рака ротовой полости поражает слизистые чаще других разновидностей.
  • Папиллярная — выглядит как опухоль плотной структуры, которая свисает в полость рта. Покров слизистой внешне не изменяется.

(рак слизистой оболочки полости рта в начальной стадии)

Отдельные разновидности опухолей ротовой полости.

В зависимости от дислокации образования различают:

  • Рак щёк — Дислокация образования часто на линии рта, на уровне его угла. Сначала может напоминать язвочку. Со временем возникают ограничения в открывании рта, дискомфорт при жевании и разговоре.
  • Рак дна полости рта — Опухоль находится на мышцах донышка и может захватывать близлежащие зоны: нижнюю часть языка и в слюнные железы. Пациент жалуется на боль и усиление слюноотделения.
  • Опухоль языка — Трудности, возникающие при жевании и дискомфорт во время пользования речевым аппаратом, иногда являются следствием онкологии языка. Опухоль дислоцируется на его боковых поверхностях – случаи такой патологии встречаются часто. Реже рак возникает на нижней поверхности языка или на его верхней части, затрагивает его корень или кончик.
  • Опухоль в зоне альвеолярных отростков — Проблема может дислоцироваться на верхней и на нижней челюсти. Рак может поражать и зубы, что вызывает кровотечения и боли в этих местах.
  • Рак в зоне нёба — В зависимости от того какая ткань подвергается заболеванию, появляется разная форма рака неба. Если охвачены мягкие ткани, то развивается рак, который называется плоскоклеточный. Твёрдое нёбо может иметь заболевание: цилиндрома, аденокарцинома, встречается и плоскоклеточный вид. Проблема обнаруживает себя появлением болей и дискомфорта во время приёма пищи.
  • Метастазы:
    • Раковое образование способно активно прорастать в рядом лежащие слои. Распространение опухоли зависит от её вида и локализации. Развитие заболевания происходит в продвижении раковых клеток в лимфатические узлы.
    • Рак слизистой оболочки щёк и альвеолярных отростков нижней челюсти запускает метастазы в зону поднижнечелюстных узлов. Образования, возникшие в дистальных отделах, дают метастазы в узлы возле яремной вены.
    • Рак языка, дислоцирующийся в районе его кончика и боковых поверхностей, прогрессирует в лимфоузлы шеи, а также может захватывать подчелюстные узлы.
    • При патологии — рак ротовой полости встречаются, но нечасто отдалённые метастазы. Они распространяются во внутренние органы: печень, лёгкие, мозг, сердце, а также в костную ткань.
    (рак дна полости рта)

Диагностика.

  • Опухоль специалист определяет визуально.
  • Лабораторный метод определения клинического анализа периферической крови позволяет оценить общее состояние больного и обнаружить анемию (малокровие), а при биохимическом анализе крови крови можно заподозрить поражение печени и костей.
  • Степень разрастания болезни в мягкие ткани диагностируется методом пальпации и применением инструментальных методов визуализации:
  • Биопсия – взятие кусочка ткани для исследования с целью подтверждения диагноза опухоли. Материал может быть получен в результате соскоба в области подозрительного участка, пункции тонкой иглой или хирургического удаления части опухоли.
  • Рентгенография грудной клетки дает возможность выявить поражение легочной ткани, что встречается редко, но возможно при распространенном опухолевом процессе.
  • Компьютерная томография (КТ), иногда с дополнительным введением контрастного вещества, помогает определить размер, форму и расположение опухоли, а также наличие увеличенных лимфатических узлов.

Лечение.

Существуют различные методы лечения раковой опухоли. Выбор способа зависит от стадии развития новообразования и его формы.

Хирургическое. Если нельзя обойтись без отсечения опухоли задействуют хирургическое вмешательство. После удаления образования могут проводиться манипуляции по восстановлению нарушенного внешнего вида пациента.

Лучевая терапия. Этот метод используют наиболее часто при борьбе с раковой опухолью ротовой полости. Он может быть использован как самостоятельный способ или после хирургического вмешательства.

При небольших опухолях лучевая терапия может быть основным методом. После операции способ помогает облегчить боль, нейтрализовать остаток раковых клеток, улучшает возможность глотания.

При необходимости применяют брахитерапию (внутреннее облучение). Стержни, содержащие материал для облучения, внедряют в опухоль на определённое время.


Химиотерапия. Применение лекарственных препаратов группы цитостатики (убивают раковые клетки) целесообразно в комбинации с облучением и/или с хирургическим вмешательством.

Лекарства подбирают в зависимости от переносимости и стадии заболевания.

Профилактика развития рака ротовой полости.

  • Лучший метод профилактики рака полости рта – это периодический осмотр своего рта и глотки. Помните, что выявление рака на ранней стадии позволяет надеяться на успех лечения!
  • Необходимо расстаться с табакокурением и злоупотреблением алкоголя.
  • Отказаться от жевания табака — постоянное использование бездымного табака повышает риск заболевания раком полости рта в 50 раз.
  • Разумно избегать ультрафиолетовых лучей солнца, когда оно в зените.
  • Подбирать рацион, богатый клетчаткой и антиоксидантами. Исключить приём очень острой и горячей пищи.
  • Следить за полостью рта, чтобы не было травмирующего фактора (обломков зубов с острыми краями), разрушающего слизистую оболочку.

Люди, прекращающие использование табака даже после долгих лет курения и жевания, намного уменьшают риск заболевания раком полости рта.

Как в ворде сделать клетки (сетку) — Как в ворде сделать

В этом уроке мы рассмотрим частый вопрос: как в ворде сделать клетки (сетку) – подобное оформление необходимо для создания рекламных буклетов или для имитации написания текста от руки. С помощью специальных шрифтов текст можно сделать прописным, то есть, с наличием характерных завитков букв и соединительных элементов между ними. На официальном сайте MS Office вы можете найти различные шаблоны для пригласительных, а мы сейчас рассмотрим, как их сделать самому. Ну, конечно, я предложу свои решения проблемы, ведь ваш текстовый редактор умеет намного больше, чем вы думаете.

Это реклама:

Итак, перечислим несколько практичных ответов на вопрос как в ворде сделать сетку (клетки):

  1. Почему я везде пишу, что клетка и сетка одно и тоже – потому что в этой программе есть специальная функция, позволяющая без лишних усилий замостить весь лист клеткой. При этом,  стоит отметить, что ширину клеточного поля можно регулировать при помощи ползунков, расположенных на линейке. Находится эта функция по следующему пути: панель инструментов – вид – показать или скрыть – галочка напротив слова сетка.
    Недостатком метода, на мой взгляд, является необходимость подбора определенного интервала, шрифта и высоты текста, чтобы текст в итоге писался между получившихся строк. Кстати, если вам вовсе необязательно использовать клетку и вполне подойдет линейка, ознакомьтесь с моим уроком про линиатуры. Отмечу, как в ворде сделать сетку мы разобрались, однако существует еще несколько вполне приемлемых .
  2. Наиболее удобным и практичным способом, на мой взгляд, является вставка в документ картинки и расположение ее за текстом. Вы можете взять вот эту картинку, перетащив ее в свой документ. Чтобы вставить картинку можно использовать панель инструментов – вставка – рисунок, или воспользоваться перетаскиванием – читать подробней про вставку картинки. Далее нажимаем на картинку правой кнопкой и наводим на обтекание текста, в появившемся справа меню выбираем “за текстом”. После этого придайте картинке нужный размер и положение на листе. Если она займет половину листа, то ее можно скопировать и расположить дубликат в пустой зоне. Преимущество способа пред предыдущем в возможности использования различных фото тетрадного листа в клетку, а также в легкости управления получившейся сеткой – ее можно передвигать, немного сужать, чтобы текст занял свое место.
  3. Второй вариант – вариант схож с заливкой страницы определенным цветов. Пройдите по следующему пути: панель инструментов – разметка страницы – блок “фон страницы” – цвет страницы – в открывшемся окне выбираем способы заливки – в открывшемся окне будет 4 вкладки, выбираем рисунок. Рисунок необходимо сделать самому или скачать с моего сайта. В итоге получается нечто похожее на инструмент сетка.
  4. Заходим по пути, указанному во втором способе, но выбираем не цвет страницы, а подложку. Там будет меню “настраиваемая подложка”, оно откроет небольшое окно при помощи которого можно будет сделать подложкой заранее скаченный рисунок тетрадного листа.

Итак, мы разобрали 4 способа как сделать листы в клетку, надеюсь этого будет достаточно. Мое мнение такое: я бы использовал исключительно второй способ, как наиболее эффективный. Первый способ подойдет, если работа срочная и ее необходимо сделать быстро.

Это реклама:

CellProfiler: программное обеспечение для анализа изображений для определения и количественной оценки фенотипов клеток | Genome Biology

  • 1.

    Moffat J, Grueneberg DA, Yang X, Kim SY, Kloepfer AM, Hinkle G, Piqani B, Eisenhaure TM, Luo B, Grenier JK, et al: Применена библиотека лентивирусных РНКи для генов человека и мыши на массивный вирусный экран с высоким содержанием. Клетка. 2006, 124: 1283-1298.

    PubMed CAS Статья Google Scholar

  • 2.

    Дасгупта Р., Перримон Н.: Использование РНКи для улавливания генов дрозофилы в сети взаимодействий: понимание исследований рака.Онкоген. 2004, 23: 8359-8365.

    PubMed CAS Статья Google Scholar

  • 3.

    Карпентер А.Е., Сабатини Д.М.: Систематический анализ функции генов в масштабе всего генома. Nat Rev Genet. 2004, 5: 11-22.

    PubMed CAS Статья Google Scholar

  • 4.

    Ванхеке Д., Яниц М.: Функциональная геномика с использованием высокопроизводительной интерференции РНК. Drug Discov сегодня. 2005, 10: 205-212.

    PubMed CAS Статья Google Scholar

  • 5.

    Эчеверри С.Дж., Перримон Н.: Высокопроизводительный скрининг РНКи в культивируемых клетках: руководство пользователя. Nat Rev Genet. 2006, 7: 373-384.

    PubMed CAS Статья Google Scholar

  • 6.

    Кигер А., Баум Б., Джонс С., Джонс М., Коулсон А., Эчеверри С., Перримон Н.: функциональный геномный анализ морфологии клеток с использованием РНК-интерференции.J Biol. 2003, 2: 27-

    PubMed CAS PubMed Central Статья Google Scholar

  • 7.

    Kim JK, Gabel HW, Kamath RS, Tewari M, Pasquinelli A, Rual JF, Kennedy S, Dybbs M, Bertin N, Kaplan JM, et al: Функциональный геномный анализ интерференции РНК в C. elegans . Наука. 2005, 308: 1164-1167.

    PubMed CAS Статья Google Scholar

  • 8.

    Mitchison TJ: Скрининг малых молекул и профилирование с использованием автоматизированной микроскопии. Chembiochem. 2005, 6: 33-39.

    PubMed CAS Статья Google Scholar

  • 9.

    Перлман З.Э., Митчисон Т.Дж., Майер Т.У .: Скрининг с высоким содержанием и профилирование активности лекарств в автоматизированном анализе удвоения центросом. Chembiochem. 2005, 6: 145-151.

    PubMed CAS Статья Google Scholar

  • 10.

    Perlman ZE, Slack MD, Feng Y, Mitchison TJ, Wu LF, Altschuler SJ: многомерное профилирование лекарств с помощью автоматизированной микроскопии. Наука. 2004, 306: 1194-1198.

    PubMed CAS Статья Google Scholar

  • 11.

    Тейлор Д.Л., Джулиано К.А.: Мультиплексные скрининговые анализы с высоким содержанием контента создают подход системной клеточной биологии к открытию лекарств. Drug Discov сегодня: Технологии. 2005, 2: 149-154.

    PubMed CAS Статья Google Scholar

  • 12.

    Абрахам В.К., Тейлор Д.Л., Хаскинс-младший: Скрининг высокого содержания, применяемый в крупномасштабной клеточной биологии. Trends Biotechnol. 2004, 22: 15-22.

    PubMed CAS Статья Google Scholar

  • 13.

    Bjorklund M, Taipale M, Varjosalo M, Saharinen J, Lahdenpera J, Taipale J: Идентификация путей, регулирующих размер клеток и развитие клеточного цикла с помощью RNAi. Природа. 2006, 439: 1009-1013.

    PubMed Статья Google Scholar

  • 14.

    Ohya Y, Sese J, Yukawa M, Sano F, Nakatani Y, Saito TL, Saka A, Fukuda T., Ishihara S, Oka S и др.: Высокомерное и крупномасштабное фенотипирование дрожжевых мутантов. Proc Natl Acad Sci USA. 2005, 102: 19015-19020.

    PubMed CAS PubMed Central Статья Google Scholar

  • 15.

    Левски Дж. М., Зингер Р. Х .: Экспрессия генов и миф о средней клетке. Trends Cell Biol. 2003, 13: 4-6.

    PubMed CAS Статья Google Scholar

  • 16.

    Sachs K, Perez O, Pe’er D, Lauffenburger DA, Nolan GP: Причинно-следственные белковые сигнальные сети, полученные из многопараметрических данных одной клетки. Наука. 2005, 308: 523-529.

    PubMed CAS Статья Google Scholar

  • 17.

    Gil J, Wu H, Wang BY: Анализ изображений и морфометрия в диагностике рака груди. Microsc Res Tech. 2002, 59: 109-118.

    PubMed Статья Google Scholar

  • 18.

    Чен X, Мерфи РФ: Объективная кластеризация белков на основе паттернов субклеточного расположения. J Biomed Biotechnol. 2005, 2005: 87-95.

    PubMed PubMed Central Статья Google Scholar

  • 19.

    Doudkine A, Macaulay C, Poulin N, Palcic B: Измерения ядерной текстуры в цитометрии изображений. Patologica. 1995, 87: 286-299.

    PubMed CAS Google Scholar

  • 20.

    Guillaud M, Adler-Storthz K, Malpica A, Staerkel G, Matisic J, Van Niekirk D, Cox D, Poulin N, Follen M, Macaulay C: Субвизуальные изменения хроматина в эпителии шейки матки, измеренные с помощью анализа изображения текстуры и коррелированные с HPV. Gynecol Oncol. 2005, 99: S16-23.

    PubMed Статья Google Scholar

  • 21.

    Abramoff MD, Magalhaes PJ, Ram SJ: Обработка изображений с помощью ImageJ. Биофотоника Интернэшнл. 2004, 11: 36-42.

    Google Scholar

  • 22.

    Zhou X, Cao X, Perlman Z, Wong ST: компьютеризированная система визуализации клеток для анализа высокого содержания в подавляющих экранах Monastrol. Дж Биомед Информ. 2006, 39: 115-125.

    PubMed Статья Google Scholar

  • 23.

    Lindblad J, Wahlby C, Bengtsson E, Zaltsman A: Анализ изображений для автоматической сегментации цитоплазмы и классификации активации Rac1. Cytometry A. 2004, 57: 22-33.

    PubMed Статья Google Scholar

  • 24.

    Гариппа Р.Дж.: Многогранный подход к развитию открытия лекарств на основе клеток. Мир открытия наркотиков. 2004, 6: 43-55.

    Google Scholar

  • 25.

    Харада Дж. Н., Бауэр К. Э., Орт А. П., Каллавей С., Нельсон К. Г., Ларис С., Хогенеш Дж. Б., Фогт П. К., Чанда С. К.: Идентификация новых регуляторных факторов роста млекопитающих с помощью количественного анализа изображений в масштабе генома. Genome Res. 2005, 15: 1136-1144.

    PubMed CAS PubMed Central Статья Google Scholar

  • 26.

    Wheeler DB, Bailey SN, Guertin DA, Carpenter AE, Higgins CO, Sabatini DM: микроматрицы живых клеток с РНКи для скрининга потери функции в клетках Drosophila melanogaster . Нат методы. 2004, 1: 127-132.

    PubMed CAS Статья Google Scholar

  • 27.

    Armknecht S, Boutros M, Kiger A, Nybakken K, Mathey-Prevot B, Perrimon N: высокопроизводительные экраны интерференции РНК в клетках культуры ткани Drosophila . Методы Энзимол. 2005, 392: 55-73.

    PubMed CAS Статья Google Scholar

  • 28.

    Price JH, Goodacre A, Hahn K, Hodgson L, Hunter EA, Krajewski S, Murphy RF, Rabinovich A, Reed JC, Heynen S. инструменты клеточной биохимии. J Cell Biochem. 2002, 39 (Прил.): 194-210.

    Артикул Google Scholar

  • 29.

    Eggert US, Mitchison TJ: Скрининг малых молекул с помощью визуализации. Curr Opin Chem Biol. 2006, 10: 232-237.

    PubMed CAS Статья Google Scholar

  • 30.

    Мерфи РФ, Мейеринг Э., Данузер Дж .: Специальный выпуск по молекулярной и клеточной биовизуализации. Ieee T Image Process. 2005, 14: 1233-1236.

    Артикул Google Scholar

  • 31.

    Проект CellProfiler.[http://www.cellprofiler.org]

  • 32.

    Джонс Т.Р., Карпентер А.Е. , Сабатини Д.М., Голланд П.: Методы высокопроизводительного скрининга клеток на основе изображений с высоким содержанием. Материалы семинара по анализу микроскопических изображений с применением в биологии, проведенного в сотрудничестве с MICCAI06 (Вычисление медицинских изображений и компьютерное вмешательство), прошедшего в Копенгагене, Дания, 5 октября. Под редакцией: Metaxas DN, Whitaker RT, Rittcher J, Sebastian T 2006, 65–72.

    Google Scholar

  • 33.

    Wahlby C: Алгоритмы прикладной цитометрии цифровых изображений. Acta Universitatis Upsaliensis. 2003, Комплексные резюме диссертаций Упсалы от факультета науки и технологий Упсалы, 896: 75-

    Google Scholar

  • 34.

    Мальпика Н., де Солорзано, Колорадо, Вакеро Дж. Дж., Сантос А., Валлкорба I, Гарсия-Сагредо Дж. М., дель Посо Ф .: Применение алгоритмов водораздела для сегментации кластеризованных ядер. Цитометрия. 1997, 28: 289-297.

    PubMed CAS Статья Google Scholar

  • 35.

    Wahlby C, Sintorn IM, Erlandsson F, Borgefors G, Bengtsson E: Объединение информации об интенсивности, краях и форме для 2D и 3D сегментации ядер клеток в срезах тканей. J Microsc. 2004, 215: 67-76.

    PubMed CAS Статья Google Scholar

  • 36.

    Ортис де Солорзано С., Родригес Э.Г., Джонс А., Пинкель Д., Грей Дж. У., Судар Д., Локетт С. Дж .: Сегментация изображений ядер клеток в толстых тканях, полученных с помощью конфокального микроскопа.J Microsc Oxford. 1999, 193: 212-226.

    CAS Статья Google Scholar

  • 37.

    Мейер Ф, Бойхер С: Морфологическая сегментация. J Представление изображения визуальной коммуникации. 1990, 1: 21-46.

    Артикул Google Scholar

  • 38.

    Джонс Т.Р., Карпентер А. Э., Голланд П.: Сегментация ячеек на основе Вороного на множествах изображений. Семинар ICCV по компьютерному зрению для приложений биомедицинских изображений.2005, Springer-Verlag, Берлин, 2005: 535-543.

    Глава

    Google Scholar

  • 39.

    Боланд М.В., Мерфи Р.Ф.: нейросетевой классификатор, способный распознавать паттерны всех основных субклеточных структур на изображениях клеток HeLa под флуоресцентным микроскопом. Биоинформатика. 2001, 17: 1213-1223.

    PubMed CAS Статья Google Scholar

  • 40.

    Rodenacker K, Bengtsson E: набор функций для цитометрии на цифровых микроскопических изображениях.Anal Cell Pathol. 2003, 25: 1-36.

    PubMed Статья Google Scholar

  • 41.

    Боланд М.В., Марки М.К., Мерфи Р.Ф.: Автоматическое распознавание паттернов, характерных для субклеточных структур, на изображениях флуоресцентной микроскопии. Цитометрия. 1998, 33: 366-375.

    PubMed CAS Статья Google Scholar

  • 42.

    Харалик Р.М., Шанмуга К., Динштейн I. Текстурные особенности для классификации изображений.Ieee T Syst Man Cyb. 1973, SMC3: 610-621.

    Артикул Google Scholar

  • 43.

    Габор Д. Теория коммуникации. Институт инженеров-электриков J. 1946, 93: 429-441.

    Google Scholar

  • 44.

    Тернер М.Р.: Различение текстур с помощью функций Габора. Biol Cybern. 1986, 55: 71-82.

    PubMed CAS Google Scholar

  • 45.

    Чжоу X, Лю К.Й., Брэдли П., Перримон Н., Вонг С.Т.: На пути к автоматизированной сегментации клеточного изображения для скрининга РНКи по всему геному. Med Image Comput Comput Assist Interv Int Conf Med Image Comput Comput Assist Interv. 2005, 8: 885-892.

    Google Scholar

  • 46.

    Локетт С.Дж., Якобсон К., Герман Б. Количественная точность автоматизированного цитометра изображений на основе флуоресценции. Анал Квант Цитол Гистол. 1992, 14: 187-202.

    PubMed CAS Google Scholar

  • 47.

    Poulin NM, Matthews JB, Skov KA, Palcic B: Влияние метода фиксации на цитометрическое измерение содержания и распределения ДНК в клетках, окрашенных для флуоресценции йодидом пропидия. J Histochem Cytochem. 1994, 42: 1149-1156.

    PubMed CAS Статья Google Scholar

  • 48.

    Бейли С.Н., Али С.М., Карпентер А.Е., Хиггинс СО, Сабатини Д.М.: Микромассивы лентивирусов для скрининга функций генов в иммортализованных и первичных клетках.Нат методы. 2006, 3: 117-122.

    PubMed CAS Статья Google Scholar

  • 49.

    Портер KR: Изменения в топографии клеток, связанные с трансформацией в злокачественные новообразования. Adv Pathobiol. 1975, 1: 29-47.

    PubMed CAS Google Scholar

  • 50.

    BioImageA / S: Примечание по применению анализа 21: Анализ изображений с использованием Definiens Cellenger, версия 1. Январь 2005 г.

  • 51.

    Равкин И., Темов В. Плакат PO2025: Сравнение нескольких классов алгоритмов транслокации цитоплазмы и ядра. Ежегодное собрание Общества биомолекулярного скрининга: 2005 г., 2005 г.

    Google Scholar

  • 52.

    Коуэн Л. Е., Карпентер А. Е., Матангкасомбут О., Финк Г. Р., Линдквист С. Генетическая архитектура Hsp90-зависимой лекарственной устойчивости. Эукариотическая клетка.

  • 53.

    Baltus AE, Menke DB, Hu YC, Goodheart ML, Carpenter AE, de Rooij DG, Page DC: В зародышевых клетках эмбриональных яичников мыши решение о вступлении в мейоз предшествует премейотической репликации ДНК.Нат Жене.

  • 54.

    Сигал А., Майло Р. , Коэн А., Гева-Заторски Н., Кляйн Ю., Алалуф И., Свердлин Н., Перзов Н., Данон Т., Лирон Ю. и др.: Динамическая протеомика в индивидуальных клетках человека выявляет широко распространенные клетки. -цикличная зависимость ядерных белков. Нат методы. 2006, 3: 525-531.

    PubMed CAS Статья Google Scholar

  • 55.

    Lamprecht M, Sabatini DM, Carpenter AE: CellProfiler: бесплатное универсальное программное обеспечение для автоматического анализа биологических изображений.Биотехники.

  • 56.

    Philips JA, Rubin EJ, Perrimon N: Drosophila RNAi скрининг выявляет члена семейства CD36, необходимого для микобактериальной инфекции. Наука. 2005, 309: 1251-1253.

    PubMed CAS Статья Google Scholar

  • 57.

    Flockhart I, Booker M, Kiger A, Boutros M, Armknecht S, Ramadan N, Richardson K, Xu A, Perrimon N, Mathey-Prevot B: FlyRNAi: база данных скринингового центра Drosophila RNAi. Nucleic Acids Res. 2006, 34: D489-494.

    PubMed CAS PubMed Central Статья Google Scholar

  • 58.

    Сведлоу Дж. Р., Гольдберг И., Браунер Е., Соргер П. К.: Информатика и количественный анализ в биологической визуализации. Наука. 2003, 300: 100-102.

    PubMed CAS PubMed Central Статья Google Scholar

  • 59.

    Гены и развитие.[http://www.genesdev.org/cgi/content/full/16/6/729/DC1]

  • 60.

    Галерея Carl Zeiss MicroImaging. [http://www.zeiss.com/C12567BE0045ACF1/Contents-Frame/FDE18DAAE4583A5CC1256C3D004831FF]

  • 61.

    Приглашение принять участие в сравнении алгоритмов анализа изображений для внутриклеточного скрининга. [http://www.ravkin.net/SBS/Invitation.htm]

  • 62.

    Стивенс Б., Альварес К.М., Бохман Р., О’Коннор Дж. Д.: Изменение клеточного цикла культивируемых дрозофил , вызванное экдистероидами. ячеек.Клетка. 1980, 22: 675-682.

    PubMed CAS Статья Google Scholar

  • 63.

    Zhang JH, Chung TD, Oldenburg KR: простой статистический параметр для использования при оценке и валидации высокопроизводительных скрининговых анализов. Экран J Biomol. 1999, 4: 67-73.

    PubMed Статья Google Scholar

  • 64.

    Равкин И.: Показатели качества для клеточных анализов на основе изображений.Афиши экранной конференции Society Biomol. 2004 г., [http://www.ravkin.net/posters/P12024-Quality Measures for Cellular Assays.pdf]: # P12024

    Google Scholar

  • 65.

    Равкин И., Темов В., Нельсон А.Д., Заровиц М.А., Хупес М., Верховский Ю., Аскью Дж., Голдбард С., Беске О., Бхагват Б. и др.: Мультиплексная высокопроизводительная цитометрия изображений с использованием кодированных носителей. Proc SPIE. 2004, 5322: 52-63.

    Артикул Google Scholar

  • Мичиганский университет исследования стволовых клеток

    Новости и мультимедиа

    Фото галерея


    Это изображение под микроскопом (увеличение 400x) показывает 5-дневный эмбрион, также известный как бластоциста, который исследователи UM Consortium for Stem Cell Therapies использовали для создания первой в Мичигане линии эмбриональных стволовых клеток человека, UM4-6.Изображение любезно предоставлено Гэри Смитом.


    Это изображение, полученное с помощью микроскопа (увеличение 400x), показывает овальный кластер из примерно 1000 эмбриональных стволовых клеток человека, которые растут вместе как колония. Эта колония является частью линии эмбриональных стволовых клеток человека UM4-6, созданной Консорциумом лечения стволовыми клетками Мичиганского университета. Изображение любезно предоставлено Гэри Смитом.


    Гэри Смит, директор MStem Cell Laboratories, убирает стойку с пузырьками, в которых хранятся замороженные человеческие эмбрионы, пожертвованные университету. Фото Скотта Содерберга / U-M PhotoServices.


    Увеличенное изображение бластоцисты человека. Зеленая область — это внутренняя клеточная масса, скопление клеток вдоль внутренней стенки бластоцисты, обеспечивающее эмбриональные стволовые клетки. Красные клетки — это трофэктодерма. Фотография любезно предоставлена ​​Гэри Смитом, Мичиганский университет.


    Дифференцированные эмбриональные стволовые клетки человека, известные как эмбриональные тельца. Эмбриоидные тельца представляют собой сферические колонии эмбриональных стволовых клеток, наблюдаемые только в культуре и содержащие все три зародышевых листка: энтодерму, мезодерму и эктодерму.Фотография любезно предоставлена ​​Гэри Смитом, Мичиганский университет.


    Эмбриональные стволовые клетки человека дифференцировались в нейроны. Фото любезно предоставлено Сью О’Ши, Мичиганский университет

    .


    Нервные стволовые клетки мозга взрослых мышей, образующие нейроны. Синяя окраска указывает на ядра, зеленая окраска указывает на клеточные процессы, которые взаимодействуют с другими клетками. Фото Марии Морелл, Мичиганский университет.


    Несколько колоний человеческих эмбриональных стволовых клеток.Фотография из Мичиганского университета.


    Эмбриональные стволовые клетки мыши, образующие нейрональные клетки. Фото Мэтта Велки, Мичиганский университет.


    Увеличенное изображение (200x) тысяч человеческих эмбриональных стволовых клеток, растущих вместе в виде колонии (серебряный кластер клеток в центре изображения), растущих поверх питающих клеток мыши (темные нитевидные структуры). Эти клетки могут становиться клетками любого типа в теле и бесконечно делиться.Предоставлено Джеком Мошером, доктором философии.


    Изображение с большим увеличением эмбриональных стволовых клеток человека, дифференцированных в нейроны (эритроциты) путем обработки клеток фактором роста. Их можно использовать для изучения развития нервной системы, врожденных дефектов или для замены клеток, потерянных в результате травм, старения или таких заболеваний, как болезнь Паркинсона. Предоставлено Сью О’Ши, доктор философии

    .

    Как вставить изображение в ячейку в Excel (пошаговое руководство)

    Посмотреть видео — Как вставить изображение в ячейку в Excel

    Несколько дней назад я работал с набор данных, включающий список компаний в Excel вместе с их логотипами.

    Я хотел разместить логотип каждой компании в ячейке рядом с ее названием и заблокировать его таким образом, чтобы при изменении размера ячейки логотип также должен был измениться.

    Я также хотел, чтобы логотипы фильтровались, когда я фильтрую названия компаний.

    Принятие желаемого за действительное? Не совсем.

    Вы можете легко вставить изображение в ячейку Excel таким образом, чтобы при перемещении, изменении размера и / или фильтрации ячейки изображение также перемещалось / изменялось / фильтровалось.

    Ниже приведен пример, в котором логотипы некоторых популярных компаний вставляются в соседний столбец, и когда ячейки фильтруются, логотипы также фильтруются вместе с ячейками.

    Это также может быть полезно, если вы работаете с продуктами / артикулами и их изображениями.

    Когда вы вставляете изображение в Excel, оно не связано с ячейками и не может перемещаться, фильтровать, скрывать и изменять размер вместе с ячейками.

    В этом уроке я покажу вам, как:

    • Вставить изображение в ячейку в Excel.
    • Заблокируйте изображение в ячейке, чтобы оно перемещалось, изменяло размер и фильтровалось вместе с ячейками.

    Вставить изображение в ячейку в Excel

    Вот шаги, чтобы вставить изображение в ячейку в Excel:

    1. Перейдите на вкладку «Вставка».
    2. Нажмите на опцию «Изображения» (она находится в группе иллюстраций).
    3. В диалоговом окне «Вставить изображение» найдите изображения, которые вы хотите вставить в ячейку в Excel.
    4. Нажмите кнопку «Вставить».
    5. Измените размер изображения / изображения так, чтобы оно идеально вписывалось в ячейку.
    6. Поместите картинку в ячейку.
      • Классный способ сделать это — сначала нажать клавишу ALT, а затем переместить картинку с помощью мыши. Он защелкнется и выровняется с границей ячейки, как только приблизится к ней.

    Если у вас несколько изображений, вы можете выбрать и вставить все изображения сразу (как показано на шаге 4).

    Вы также можете изменить размер изображения, выбрав его и перетащив края. В случае логотипов или изображений продуктов вы можете сохранить неизменным соотношение сторон изображения. Чтобы сохранить неизменным соотношение сторон изображения, используйте углы изображения, чтобы изменить его размер.

    Когда вы помещаете изображение в ячейку, используя описанные выше шаги, оно не будет прикрепляться к ячейке, если вы измените размер, отфильтруете или скроете ячейки.Если вы хотите, чтобы изображение прикреплялось к ячейке, вам нужно привязать изображение к ячейке , в которой оно размещено.

    Для этого вам необходимо выполнить дополнительные шаги, как показано в разделе ниже.

    Заблокируйте изображение с помощью ячейки в Excel

    После того, как вы вставили изображение в книгу, изменили его размер, чтобы оно соответствовало ячейке, и поместили в ячейку, вам необходимо заблокировать его, чтобы убедиться, что оно перемещается, фильтрует и т. Д. и прячется с камерой.

    Вот шаги, чтобы заблокировать изображение в ячейке:

    1. Щелкните изображение правой кнопкой мыши и выберите Формат изображения.
    2. На панели «Формат изображения» выберите «Размер и свойства», а в параметрах «Свойства» выберите «Переместить и размер с ячейками».

    Вот и все!

    Теперь вы можете перемещать ячейки, фильтровать или скрывать, а изображение также будет перемещаться / фильтровать / скрывать.

    Попробуйте сами .. Загрузите файл примера

    Это может быть полезным приёмом, когда у вас есть список продуктов с их изображениями, и вы хотите отфильтровать определенные категории продуктов вместе с их изображениями.

    Вы также можете использовать этот прием при создании панелей мониторинга Excel.

    Вам также могут понравиться следующие руководства по Excel:

    Уникальный рентгеновский микроскоп показывает великолепные трехмерные изображения клеток

    Мягкая рентгеновская томография позволяет получить карту органелл внутри неповрежденной клетки. (Кредит: Катя Кадышевская / USC)

    Планета состоит из континентов и островов с уникальными культурами и ресурсами. Одна область может быть хорошо известна выращиванием продуктов питания, другая — производством строительных материалов, но, несмотря на их различия и удаленность друг от друга, регионы связаны глобальными процессами.Живые клетки построены на аналогичной концепции. Например, одна часть элемента производит топливо, питающее жизнь, а другая часть создает простые строительные блоки, которые затем собираются в сложные структуры внутри элемента. Чтобы полностью понять клетки, нам нужно охарактеризовать структуры, из которых они состоят, и идентифицировать их содержимое.

    Благодаря передовым технологиям визуализации ученые исследовали множество различных компонентов клеток, и некоторые современные подходы могут даже отображать структуру этих молекул до каждого атома.Однако получить представление о том, как все эти части движутся, изменяются и взаимодействуют в динамической живой клетке, всегда было более сложной задачей.

    Команда из лаборатории Advanced Light Source лаборатории Беркли производит фурор своим новым подходом к визуализации целых клеток, используя первый в мире микроскоп для мягкой рентгеновской томографии (SXT), созданный для биологических и биомедицинских исследований. В своем последнем исследовании, опубликованном в Science Advances, команда использовала свою платформу, чтобы раскрыть ранее неизвестные подробности о секреции инсулина клетками поджелудочной железы, взятыми у крыс.Эта работа была проведена в сотрудничестве с консорциумом исследователей, занимающихся моделированием целых клеток, называемым Консорциумом β-клеток поджелудочной железы.

    «Наши данные показывают, что SXT — мощный инструмент для количественной оценки субклеточных перестроек в ответ на лекарства», — сказала автор Кэролайн Ларабелл, директор Национального центра рентгеновской томографии (NCXT) и научный сотрудник лаборатории Беркли в области молекулярной биофизики и Интегрированное подразделение биоимиджинга. «Это важный первый шаг к преодолению давнего разрыва между структурной биологией и физиологией.”

    Ларабелл и другие авторы отмечают, что SXT уникально подходит для визуализации целых клеток без изменений из-за пятен или добавленных меченых молекул — как в случае с флуоресцентной визуализацией — и без их химической фиксации и секционирования, что необходимо для традиционной электронной микроскопии. Кроме того, в SXT намного быстрее и проще процесс подготовки клеток.

    На изображении слева показан объемный трехмерный вид бета-клетки поджелудочной железы, полученный с помощью мягкой рентгеновской томографии, с выделением гранул инсулина (желтые), митохондрий (розовые) и ядра (синим).Области в рамке указывают на структурные детали этих областей, полученные с помощью криоэлектронной томографии в рамках другого исследования. (Фото: Валентина Локонте / UCSF и NCXT; и Кейт Уайт / USC)

    Свободная от традиционных технических и временных ограничений, команда смогла визуализировать изолированные инсулин-секретирующие клетки (так называемые бета-клетки) до, во время и после стимуляции от воздействия разных уровней глюкозы и инсулино-бустерного препарата. У крыс и других млекопитающих бета-клетки реагируют на повышение уровня глюкозы в крови, выделяя инсулин.Этот гормон регулирует метаболизм глюкозы во всем организме.

    «Мы обнаружили, что стимуляция бета-клеток вызывает быстрые изменения количества и молекулярной плотности инсулиновых везикул — мембранных« оболочек », в которых инсулин хранится после производства», — сказал Ларабелл. «Сначала это было удивительно, потому что мы ожидали, что мы увидим меньше пузырьков во время секреции, когда они опорожняются за пределами клетки. Но мы наблюдаем быстрое созревание существующих незрелых пузырьков.”

    Advanced Light Source — это объект, созданный Управлением науки Министерства энергетики США. NCXT финансируется Национальными институтами здравоохранения и Управлением науки Министерства энергетики США.

    # #

    Основанная в 1931 году с убеждением в том, что самые большие научные проблемы лучше всего решаются командами, Национальная лаборатория Лоуренса Беркли и ее ученые были отмечены 14 Нобелевскими премиями. Сегодня исследователи из лаборатории Беркли разрабатывают решения в области устойчивой энергетики и защиты окружающей среды, создают новые полезные материалы, расширяют границы компьютерных технологий и исследуют тайны жизни, материи и Вселенной.Ученые со всего мира полагаются на возможности лаборатории в своих научных открытиях. Berkeley Lab — это многопрограммная национальная лаборатория, управляемая Калифорнийским университетом при Управлении науки Министерства энергетики США.

    Управление науки Министерства энергетики США является крупнейшим спонсором фундаментальных исследований в области физических наук в Соединенных Штатах и ​​работает над решением некоторых из самых насущных проблем нашего времени. Для получения дополнительной информации посетите сайт energy.gov/science.

    изображений мобильного телефона | HowStuffWorks

    Белый iPhone 4 выпущен весной 2011 года. IPhone — один из самых популярных сотовых телефонов. Смотрите другие популярные и исторические телефоны на следующих страницах.

    iPhone 3 2008 года выпуска. Эта более ранняя модель имела меньшее время разговора и камеру более низкого качества.

    Sony Xperia Play оснащен 4-дюймовым сенсорным дисплеем и работает под управлением ОС Android. Его можно использовать как телефон и карманное игровое устройство.

    В Palm Pre используется мобильная операционная система Palm на базе Linux.Он имеет полноценную QWERTY-клавиатуру и сенсорный экран.

    BlackBerry Storm был первым телефоном с сенсорным экраном от Research in Motion (RIM) и был разработан как конкурент iPhone.

    Samsung Omnia предлагает Windows Mobile Professional 6.1, поэтому пользователи могут использовать мобильные версии Word, PowerPoint и Excel.

    Операционная система для смартфонов Android появилась на нескольких телефонах в 2009 году, включая Droid.

    Хотя Droid не уничтожил iPhone, он предлагал конкуренцию с 5-мегапиксельной камерой, сенсорным экраном и клавиатурой-слайдером.

    HTC G1 был первым телефоном с ОС Google Android. ОС Android требует, чтобы у пользователя была учетная запись Google.

    LG Vu поддерживает AT&T Mobile TV, услугу мобильного вещания в прямом эфире, отправляемую прямо на телефон. Если повернуть Vu на бок, он превратится в широкоэкранный мини-телевизор.

    Большая QWERTY-клавиатура Samsung Glyde выдвигается для облегчения набора текста. Он был заменен более новой версией Samsung Rogue.

    Сотрудник японского оператора мобильной связи KDDI демонстрирует мобильный телефон «W62H» производства Hitachi.Мобильный телефон может воспроизводить загруженные фильмы на своем OLED-дисплее.

    Весной, летом, осенью и зимой Sony Ericsson s500i отображал соответствующие сезонные цвета, а подсветка кнопок телефона изменялась в соответствии с окружающей обстановкой.

    Модель отображает телефон LG Chocolate. Он претерпел несколько изменений в дизайне, от слайдера до сенсорного экрана и с музыкальным плеером.

    Подвижный дизайн Samsung Flipshot превращает сотовый телефон в миниатюрную камеру.

    Этот телефон Nokia оснащен фронтальной камерой (в верхнем левом углу экрана) для видеоконференцсвязи.

    Nokia 6555 предлагает впечатляющие 16 миллионов цветов дисплея.

    Сотовый телефон Clarity C900 имеет функции, которые могут понравиться пожилым людям, которые обычно избегают сотовых телефонов. У него большой экран, крупные шрифты и простые кнопки.

    Sony Ericsson «Full-Change Mobile re» позволяет пользователям изменять все поверхности телефона в соответствии с их любимыми цветами и дизайном.

    Hitachi демонстрирует прототип своего мобильного телефона, который отображает трехмерную анимацию языка жестов.

    Сотрудник NTT DoCoMo Томоко Цуда демонстрирует прототип батареи топливного элемента с полимерным электролитом (PEFC), который заряжает литий-ионный аккумулятор мобильного телефона.

    Этот одноразовый сотовый телефон поддерживает только исходящие сообщения и 60 минут разговора, но вы можете выбросить его, когда время разговора истекло.

    В 2003 году Nextel представила первые функции телефона с функцией «нажми и говори».

    BlackBerry дебютировал в 1999 году и имел проприетарную операционную систему, которая позволяла использовать сторонние приложения. Многие разработчики по-прежнему создают приложения для платформы BlackBerry.

    Один из оригиналов: аналоговые сотовые телефоны появились в 1983 году, когда FCC утвердила стандарт AMPS. Узнайте больше об истории сотовых телефонов и многое другое в статье «Как работают сотовые телефоны».

    Как включать изображения в автоматические макеты в PowerPoint :: think-cell

    Вы можете выполнять поиск в каталогах изображений Getty Images и Unsplash с помощью think-cell.Затем вы можете вставить лучший результат на слайде и при необходимости кадрируйте. Размер изображения изменяется и автоматически помещается на слайд. на основе других элементов think-cell на слайде.

    18,1
    Вставка стандартной фотографии
    18,2
    Преобразование изображения
    18,3
    Обрезка изображения
    18,4
    Изменение размера и положение изображения

    18.

    1 Вставка стоковой фотографии

    think-cell поддерживает просмотр и вставку стоковых фотографий из Unsplash и Getty.Чтобы вставить стоковая фотография, выберите Stock Image в меню Elements.

    18.1.1 Unsplash

    Чтобы вставить стоковую фотографию из бесплатного провайдера Unsplash, выберите Unsplash в диалоговом окне «Вставить изображение запаса». После ввода поискового запроса выбор результатов отображается в диалоговом окне.

    Просто щелкните одну из фотографий, и изображение будет добавлено на слайд.

    18.1.2 Getty Images

    Если у вас есть учетная запись в Getty Images, вы можете просматривать и вставлять стоковые фотографии из этой службы.Выберите Getty Images в диалоговом окне «Вставить изображение запаса». Если вы еще не авторизовали think-cell для доступа к своей учетной записи Getty Images, появится запрос на авторизацию. показано. Щелкните Предоставить доступ и укажите данные своей учетной записи. think-cell делает не сохранять эти данные учетной записи, а только токен доступа, предоставленный Getty для этой цели.

    После ввода поискового запроса в диалоговом окне отображается выборка результатов.

    Просто щелкните одну из фотографий, и изображение будет добавлено на слайд.

    18.1.3 Песнь

    Если у вас есть учетная запись в Canto, вы можете просматривать и вставлять стоковые фотографии из этой службы. Выберите Песню в диалоговом окне «Вставить изображение». Если вы еще не авторизовали think-cell для доступа к своей учетной записи Canto, появится запрос на авторизацию. показано. Щелкните Предоставить доступ и укажите данные своей учетной записи.

    После ввода поискового запроса в диалоговом окне отображается выборка результатов. Просто щелкните одну из фотографий, и изображение будет добавлено на слайд.

    18.1.4 Папка бренда

    Если у вас есть учетная запись в Brandfolder, вы можете просматривать и вставлять стоковые фотографии из этой службы. Выберите Brandfolder в диалоговом окне Insert Stock Image.

    Ключ API Brandfolder необходимо указать, как описано в разделе Ключ API Brandfolder. При использовании Brandfolder диалоговое окно Stock Image можно настроить, как описано в Диалог стандартного изображения папки бренда.

    После ввода поискового запроса в диалоговом окне отображается выборка результатов.Просто щелкните одну из фотографий, и изображение будет добавлено на слайд.

    18.2 Преобразование изображения

    Вы можете преобразовать формы растровых изображений в элементы think-cell, выбрав изображение и выбрав Преобразуйте изображение в think-cell в меню ≡. think-cell перенесет изображение в учетная запись при автоматическом размещении интеллектуальных текстовых полей, потоков процессов и таблиц.

    18.3 Обрезка изображения

    Возможно, вы захотите использовать в презентации только часть полного изображения.В этом случае вы легко сможете кадрируйте изображение, перетаскивая черные маркеры кадрирования:

    1. Выберите изображение, которое хотите обрезать.
    2. Щелкните один из маркеров обрезки сбоку или в углу. Для необрезанного изображения они будут близки к белые маркеры для изменения размера, поэтому не забудьте перетащить маркеры обрезки, которые являются черными. Обратите внимание, что когда при наведении курсора на ручки изменения размера указатель изменится на белую двустороннюю стрелку, а он изменится на черный символ обрезки при наведении курсора на маркер обрезки.
    3. Перетаскивайте маркер кадрирования до тех пор, пока не станет затемненной только часть изображения, которую вы хотите сохранить. Затененная часть Изображение будет обрезано, как только вы отпустите указатель мыши.

    Вы всегда можете восстановить исходное изображение, снова используя маркеры кадрирования.

    18.4 Изменение размера и положение изображения

    Размер изображения изменяется и автоматически помещается на слайд на основе данных других think-cell. элементы на слайде. Вы можете привязать его к другим элементам, перемещать и дублировать, как описано в Текстовые поля.

    Чтобы переопределить автоматически определенный размер и положение изображения, вы можете изменить размер изображения, удерживая нажмите клавишу Ctrl и перетащите и зафиксируйте его положение с помощью замков (см. Установка фиксированного размера или заблокированного положения элементов).

    кураторское хранилище данных микроскопии

    Nucleic Acids Res. 2013 Янв; 41 (Выпуск базы данных): D1241 – D1250.

    Дэвид Н. Орлофф

    1 Центр исследований биологических систем, здание фундаментальной науки, кабинет 1000, Калифорнийский университет, Сан-Диего, 9500 Gilman Drive, код отдела 0608, La Jolla, CA 92093-0608, 2 Департамент клеточной биологии Гарвардской медицинской школы, Бостон, Массачусетс 02115 и 3 Молекулярная и клеточная биология, Калифорнийский университет, Беркли, Беркли, Калифорния 94720-3202, США

    Джанет Х.Iwasa

    1 Центр исследований биологических систем, здание фундаментальной науки, комната 1000, Калифорнийский университет, Сан-Диего, 9500 Gilman Drive, Department Code 0608, La Jolla, CA 92093-0608, 2 Department of Cell Biology , Гарвардская медицинская школа, Бостон, Массачусетс 02115 и 3 Молекулярная и клеточная биология, Калифорнийский университет, Беркли, Беркли, Калифорния 94720-3202, США

    Мэриэнн Э.

    Мартоне

    1 Центр исследований биологических систем, Здание фундаментальной науки, комната 1000, Калифорнийский университет, Сан-Диего, 9500 Gilman Drive, код факультета 0608, Ла-Хойя, Калифорния 92093-0608, 2 Департамент клеточной биологии Гарвардской медицинской школы, Бостон, Массачусетс 02115 и 3 Молекулярная и клеточная биология, Калифорнийский университет, Беркли, Беркли, Калифорния 94720-3202, США

    Марк Х.Ellisman

    1 Центр исследований биологических систем, здание фундаментальной науки, комната 1000, Калифорнийский университет, Сан-Диего, 9500 Gilman Drive, Department Code 0608, La Jolla, CA 92093-0608, 2 Department of Cell Biology , Гарвардская медицинская школа, Бостон, Массачусетс 02115 и 3 Молекулярная и клеточная биология, Калифорнийский университет, Беркли, Беркли, Калифорния 94720-3202, США

    Кэролайн М. Кейн

    1 Центр исследований биологических систем, Здание фундаментальной науки, комната 1000, Калифорнийский университет, Сан-Диего, 9500 Gilman Drive, код факультета 0608, Ла-Хойя, Калифорния 92093-0608, 2 Департамент клеточной биологии Гарвардской медицинской школы, Бостон, Массачусетс 02115 и 3 Молекулярная и клеточная биология, Калифорнийский университет, Беркли, Беркли, CA 94720-3202, США

    1 Центр исследований биологических систем, Здание фундаментальной науки, кабинет 1000, Калифорнийский университет, Сан-Диего, 9500 гил Man Drive, код отдела 0608, Ла-Хойя, Калифорния 92093-0608, 2 Департамент клеточной биологии, Гарвардская медицинская школа, Бостон, Массачусетс 02115 и 3 Молекулярная и клеточная биология, Калифорнийский университет, Беркли, Беркли, Калифорния 94720 -3202, США

    Поступила в редакцию 6 сентября 2012 г . ; Пересмотрено 29 октября 2012 г .; Принята в печать 4 ноября 2012 г.

    Copyright © Автор (ы) 2012. Опубликовано Oxford University Press. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc/3.0/) , который разрешает некоммерческое повторное использование, распространение и воспроизведение на любом носителе при условии правильного цитирования оригинальной работы. По вопросам коммерческого повторного использования обращайтесь по адресу [email protected] Эта статья цитируется в других статьях PMC.

    Abstract

    Ячейка: библиотека изображений-CCDB (CIL-CCDB) (http: // www.cellimagelibrary.org) — это база данных с возможностью поиска и архив сотовых изображений. В качестве хранилища данных микроскопии он принимает все формы изображений клеток, полученные с помощью световой и электронной микроскопии, включая многомерные изображения, Z- и временные стеки в широком спектре форматов необработанных данных, а также фильмы и анимацию. Программный дизайн CIL-CCDB был намеренно разработан, чтобы позволить легкое включение новых технологий и форматов изображений по мере их разработки. В настоящее время CIL-CCDB содержит более 9250 изображений 358 различных видов.Изображения оцениваются на качество и аннотируются терминами из 14 различных онтологий в 16 различных областях, а также базовым описанием и техническими деталями. С момента его публичного запуска 9 августа 2010 года он был разработан не только как архив, но и как активный сайт для исследователей и преподавателей.

    ВВЕДЕНИЕ

    После успеха баз данных последовательностей белков и нуклеиновых кислот стало понятно, что для важного аспекта усилий исследователей, микроскопических изображений, необходима подобная база данных.Специализированные базы данных, такие как Cell Centered Database (1), были созданы для новых технологий, таких как электронная томография, но не были оборудованы для обработки отдельных изображений из лабораторий. Было много сохранившихся коллекций определенных типов изображений от исследователей, и был большой интерес к тому, чтобы эти коллекции были более широкими и легко распространялись. Кроме того, неопубликованные данные изображений, хранящиеся на лабораторных компьютерах, представляют собой обширный, но неиспользованный ресурс, который может иметь большую ценность для исследовательского и образовательного сообщества.Совершенно очевидно, что существует потребность в ресурсе, который мог бы собирать большое количество исследовательских изображений и публиковать их на различных платформах. Достижения в области технологий сделали эти проблемы управляемыми: использование стандартизированных словарей из BioOntologies, а также семантических онтологий из Semantic WEB позволяет выполнять поиск с использованием простых терминов для любопытных, а также более анализируемый поиск для эксперта. Недавнее слияние ячейки: библиотеки изображений (CIL) с базой данных, центрированной на ячейках Национального центра исследований микроскопии и изображений при Калифорнийском университете в Сан-Диего, усиливает развитие CIL-CCDB как ресурса и инструмента для Сообщество клеточной биологии.Этот ресурс находится на ранней стадии своего развития, так как первые два из трех лет его были посвящены настройке инфраструктуры, а также набору, проверке и аннотированию изображений с внесением изменений на основе ранних предложений пользователей. Хотя для изображений и видео также существуют мощные поисковые машины, такие как Google ™ Images и Google ™ Videos, CIL-CCDB имеет значительные преимущества, которые повышают его эффективность для исследователей, преподавателей и широкой публики. Эти преимущества подробно описаны ниже. Таким образом, CIL-CCDB и общие поисковые системы дополняют CIL-CCDB, предоставляя пользователям изображения и видео, прошедшие контроль качества специалистами по клеточной биологии, а также подробную информацию об изображениях в простой доступной форме в самой базе данных.

    ПОДХОД

    Хотя корни CIL-CCDB лежат в исследованиях, на раннем этапе стало понятно, что поразительная природа изображений клеток дает возможность создать инструмент, который не только был полезен для научных исследований, но и привлек широкую общественность к образованию. и информационно-пропагандистская деятельность. Разработка CIL-CCDB как надежного научного ресурса теперь сочетается с его разработкой для использования преподавателями и широкой общественностью.

    НАУЧНЫЕ ИССЛЕДОВАНИЯ И ОБРАЗОВАНИЕ

    Ряд функций был разработан, чтобы помочь пользователям найти нужную информацию или просто изучить CIL-CCDB с его дружественным интерфейсом.

    ИНТЕРАКТИВНАЯ КЛЕТКА И ОРГАНЕЛЛЫ

    Ключом к успеху CIL-CCDB является его способность соединять абстрактные концепции клеточной биологии и клеточной структуры с реальностью, наблюдаемой в лаборатории. Это наиболее заметно демонстрируется интерактивной иллюстрацией ячейки на главной странице, которая предлагает пользователям «Исследовать ячейку» (). Эта функция, недоступная в обычных поисковых системах, таких как Google Images, обеспечивает легкий доступ к повествованию, изображениям и видео как для неспециалистов, так и для экспертов.При наведении указателя мыши на функцию сотовой связи на иллюстрации или на слово справа пользователи видят как слово, так и все функции, выделенные на рисунке. Простое нажатие запускает активный поиск микроскопических изображений этой особенности или органеллы. Недавно для ряда этих функций был добавлен второй уровень взаимодействия. Например, выбор митохондрии приводит к переходу на страницу митохондрии с новой интерактивной иллюстрацией митохондрии, кратким объяснением ее функции, пятью наиболее часто используемыми терминами аннотации для молекулярных функций и пятью наиболее часто используемыми терминами аннотации для биологических функций. Процессы.Эти термины аннотации взяты из Gene Ontology (2). Термины аннотации в обоих случаях являются гиперссылками на поиск всех изображений с этим термином в CIL-CCDB. Затем за этой новой информацией следуют микроскопические изображения митохондрий. Таким образом, пользователь переходит от иллюстрации к необработанным данным, подчеркивая типы изображений ячеек, которые приводят к иллюстрациям, которые он видит в учебниках. Хотя есть разногласия по поводу использования терминов из Gene Ontology, преимущество состоит в том, что они позиционируют CIL-CCDB для создания ссылок непосредственно из изображения или видео в базы данных нуклеиновых кислот и белков, Genbank и PDB. Цель состоит в том, чтобы позволить пользователям переходить от клетки к молекулам и от клетки к организму посредством объединения с другими базами данных, как это было смоделировано с помощью Neuroscience Information Framework (NIF) (3). Более общие поисковые системы не предоставляют такие типы соединений.

    Интерактивная иллюстрация ячеек.

    ПРОСМОТР

    В дополнение к просмотру CIL-CCDB с помощью графического интерфейса, есть панель просмотра, расположенная вверху страницы, чтобы пользователи могли исследовать CIL-CCDB по различным категориям, включая процесс ячейки, компонент ячейки, [(оба из генной онтологии], типа клетки, [из онтологии типов клеток (4)], «Организм» [из онтологии классификации организмов NCBI (5)] или недавних изображений.Страницы результатов для этой сортировки могут быть настроены для сортировки по множеству различных параметров, включая эскизы изображений, альфа-порядок или даже количество изображений, заполняющих категорию в библиотеке. Эти настраиваемые сортировки недоступны в обычных поисковых системах.

    ПРОСТОЙ ПОИСК

    Вверху каждой страницы находится простое поле поиска. Эта поисковая система — еще один способ начать доступ к данным в CIL-CCDB. После ввода трех символов в поле поиска предлагаются термины для выбора.Предлагаются только те термины, которые действительно возвращают результат, чтобы предотвратить выбор термина с нулевым результатом.

    РАСШИРЕННЫЙ ПОИСК

    Расширенный поиск предлагает пользователю большие возможности. Поиск изображений можно выполнять на основе нескольких конкретных атрибутов, например, является ли это неподвижным изображением, видео или анимацией, является ли оно трехмерным с размером Z или временным рядом. Их можно комбинировать для еще более выборочного поиска. Например, при выборе фильтров Z-стека и временных рядов будут возвращены те изображения, которые содержат данные «одновременно» в Z-измерении пространства и времени.Эти изображения можно исследовать различными способами. Например, можно перейти в определенную плоскость в измерении Z и наблюдать, что происходит во времени, или можно перейти в определенную точку времени и перемещаться по различным пространственным плоскостям.

    ЛИЦЕНЗИРОВАНИЕ — ИЗОБРАЖЕНИЯ КАК ДАННЫЕ

    Изображения, видео и анимация представлены в библиотеке с различными вариантами лицензирования. Хотя программное обеспечение, которое мы использовали для создания библиотеки, основано на OMERO (6), платформе с открытым исходным кодом, и наши модификации и улучшения также имеют открытый исходный код, было признано, что для максимальной инклюзивности лучше всего иметь возможность для представления изображений в соответствии с широким спектром лицензионных условий.Это позволяет CIL-CCDB работать не только с классическими коллекциями, но и с издателями, как теми, которые все еще публикуют традиционно, так и теми, кто начинает принимать публикации с открытым исходным кодом. Пять лицензий, используемых CIL-CCDB, перечислены ниже, и по мере разработки новых методов лицензирования их можно легко включить в CIL-CCDB.

    ЛИЦЕНЗИРОВАНИЕ

    Общественное достояние

    Это изображение находится в общественном достоянии и, следовательно, свободно от каких-либо ограничений авторских прав. Однако, как это является нормой в научных публикациях и из вежливости, любой пользователь должен по возможности отдать должное поставщику контента за любое публичное или частное использование этого изображения.’Выучить больше’.

    Только указание авторства

    Это изображение находится под лицензией Creative Commons Attribution License. Посмотреть лицензионный акт | Просмотреть Юридический кодекс.

    Подобная некоммерческая доля с указанием авторства

    Это изображение находится под лицензией Creative Commons Attribution, схожей с некоммерческой долей. Посмотреть лицензионный акт | Просмотреть Юридический кодекс.

    Атрибуция некоммерческая; без производных

    Это изображение находится под лицензией Creative Commons Attribution, некоммерческой, без производных лицензий.Посмотреть лицензионный акт | Просмотреть Юридический кодекс.

    Авторские права

    Это изображение защищено авторским правом. Любое публичное или частное использование этого изображения регулируется действующими законами об авторских правах. Пожалуйста, свяжитесь с поставщиком содержимого этого изображения для получения разрешения.

    Из-за характера лицензирования Creative Commons конечным результатом этого подхода является то, что мы можем свободно использовать изображения из нескольких источников, включая издателей, которые лицензированы по лицензии Creative Commons, при условии, что мы также представляем эти изображения с такое же лицензирование.

    Этот подход также был использован для того, чтобы мы могли побудить наших авторов изображений делать свои изображения свободно доступными с использованием лицензии общественного достояния, обеспечивая при этом любую защиту, которая им необходима для их работы. Однако следует отметить, что все изображения, созданные государственными служащими США, автоматически становятся общественным достоянием. Однако, если один из авторов статьи не является федеральным служащим, то изображения защищены любыми лицензиями, применимыми к журналу, в котором они опубликованы.

    Хотя автор или авторы могут представить определенное количество изображений в своей статье и, возможно, даже больше в дополнительной информации, было получено значительно большее количество изображений, которые привели их к открытию или интерпретации. Поскольку они не публикуются, на них не распространяются какие-либо лицензионные ограничения. Позиция The Cell заключается в том, что все экспериментальные наборы должны быть отправлены как для архивирования, так и для других. Функции были разработаны таким образом, чтобы эти, скорее всего, визуально похожие изображения не перегружали библиотеку, а были доступны внутри группы с помощью дополнительного щелчка, как только репрезентативное изображение для этого эксперимента было найдено с использованием ранее описанных методов поиска.

    Кроме того, CIL-CCDB может представлять изображения, которые не были общедоступными, и после публикации в CIL-CCDB они становятся доступными для более общих поисковых систем, а также предоставляют систему, позволяющую авторам этих изображений отмечать свои публикация в CIL-CCDB.

    СТРУКТУРА

    Основная философия CIL-CCDB воплощена в ее подходе к бесплатному представлению информации для пользователя. С этим связана также наша поддержка разработки программного обеспечения с открытым исходным кодом и публикаций с открытым исходным кодом. В то время как мы включили полный спектр лицензирования, чтобы гарантировать, что мы можем работать со всеми заинтересованными сторонами, мы использовали гораздо более открытый подход к выбору программного обеспечения для создания платформы CIL-CCDB. CIL-CCDB, по своей сути, использует платформу OMERO в качестве внутренней системы управления изображениями и аннотациями. OMERO является частью набора продуктов Open Microscopy Environment (7,8) (http://www.openmicroscopy.org/site).

    Система OMERO была разработана для работы с инструментами и инфраструктурой Open CCDB, поддерживаемыми NCMIR в Центре исследований биологических систем при UCSD.

    Есть два метода, которые можно использовать для отправки изображений для оценки для представления в CIL-CCDB: DataRollup (DR) и онлайн-загрузчик. DR — это отдельная программа, которую авторы изображений устанавливают на свои компьютеры для отправки изображений. Он предназначен для отправки большого количества изображений или изображений в менее распространенных форматах. Он включает в себя Bio-Formats (9) (http://loci.wisc.edu/software/bio-formats) и может обрабатывать более 100 форматов файлов. Онлайн-загрузчик позволяет пользователям быстро и легко загружать изображения прямо из Интернета.В настоящее время поддерживаемые форматы включают JPG, GIF, TIFF, PNG, PPM, IMOD (.st, .rec, .mrc) и несжатый AVI. Оба метода включают требование выбора лицензии, которая должна быть связана с изображением, и оба позволяют прикреплять дополнительную информацию, чтобы помочь аннотаторам завершить запись для этого изображения. Прилагаемые документы никогда не публикуются, поэтому нет никаких опасений по поводу авторских прав на прилагаемые документы. Помимо прилагаемых документов, мы просим отправителя изображения предоставить не только свою контактную информацию и способ атрибуции изображения, но также предоставить некоторую базовую информацию, чтобы помочь аннотаторам в создании записи.Эта основная информация включает в себя информацию о биологическом источнике (организм, тип клетки, клеточные компоненты и метод фиксации и секционирование, если применимо), биологическом контексте и зонде (например, митотическое веретено во время деления, меченное первичным антителом к ​​тубулину и вторичным антителом Alexa 488 или EGFP- тубулин), используемое оборудование (например, производитель микроскопа, объектив с числовой апертурой, камера, конфокальная), параметры сбора данных для временных рядов (например, съемка со скоростью два кадра в секунду или конфокальный Z-стек, сделанный с 1 срезами единицы Эйри), постобработка неподвижных изображений, если они есть, и увеличение изображения (масштабная линейка или примечание с микронами на пиксель).

    AN API был разработан для помощи участникам в автоматической отправке изображений в CIL-CCDB, а также для автоматического вызова данных из CIL-CCDB.

    Модуль аннотаций

    После отправки изображений в CIL-CCDB они появляются в модуле аннотаций (AM). Аннотаторы заполняют ряд полей в AM перед публикацией изображения в публичной библиотеке. Многие из этих полей построены на различных онтологиях. В настоящее время существует 14 различных онтологий, используемых в 16 различных областях, как показано в.Онтологии с присущими им отношениями между терминами — это не просто способ управления словарями, необходимыми для осмысленного поиска, они позиционируют CIL-CCDB как коллекцию, способную полностью участвовать в семантической сети. Как описано ниже, CIL-CCDB уже доступен через порталы, такие как NIF (http://neuinfo.org), которые используют преимущества этих онтологических отображений для интеграции данных между базами данных.

    Таблица 1.

    Используемые онтологии и количество полей, в которых они используются

    Ряд функций был встроен в AM, чтобы упростить использование онтологий для аннотации. Одним из ключевых факторов системы является то, что, когда аннотатор начинает печатать термин, после третьего символа им предоставляются соответствующие термины либо из этой онтологии, либо из этой ветви онтологии, что упрощает выбор. Кроме того, у всех терминов есть возможность для аннотаторов добавлять дополнительное поле, чтобы они могли предоставить больше терминов для полного описания изображения. Например, если изображение описывается как клеточными компонентами «ламеллиподиум», так и «актиновый цитоскелет», аннотатор может просто добавить второе поле для клеточного компонента в AM и затем выбрать эти два термина.показывает вид AM.

    Разработка онтологии методов биологической визуализации

    При подготовке разработки AM было исследовано несколько различных онтологий для определения наиболее применимых и наиболее широко используемых. Не существовало хорошо разработанной онтологии, описывающей методологии получения биологических изображений. Нам предложили раннюю версию того, что было доступно от Flybase, для дальнейшей обширной разработки. Онтологию методов биологической визуализации можно найти на http: // bioportal.bioontology.org/ontologies/1023. Эта статья является первой ссылкой на эту онтологию.

    Публикация в CIL-CCDB

    После того, как изображение полностью аннотировано, оно публикуется в публичной библиотеке http://www.cellimagelibrary.org.

    Было установлено, что существует ряд обстоятельств, при которых изображения в Библиотеке могли бы быть лучше представлены публике, если бы они были сгруппированы. Эта функция недоступна в более общих поисковых системах. Группировка полезна по-разному.Если изображения были опубликованы в одной статье или если изображения были объединены для создания многопанельного рисунка в публикации, пользователю было бы полезно иметь способ увидеть группу. В таких случаях изображения помечаются в CIL-CCDB, и каждое из них имеет строку в записи, в которой говорится: «Это изображение является частью группы». После выбора слова «группа» пользователь попадет на страницу, где представлены все изображения. Ключом к этой странице также является возможность загрузки выбранных изображений или всех изображений в группе.Эти изображения могут быть загружены либо в формате файла OME-TIFF, либо в виде файлов, которые изначально были отправлены в CIL-CCDB.

    По мере того, как начали возникать дополнительные сценарии группирования, было определено, что было бы выгодно, если бы существовал другой вариант группирования. В некоторых случаях в библиотеку будет отправлено много изображений, которые визуально очень похожи, но отличаются количественно. Даже небольшая группа из 200 изображений станет очень громоздкой, поскольку пользователь будет просматривать или искать и видеть страницы и страницы, которые выглядят как очень похожие или идентичные изображения.В ответ на это и в рамках подготовки к развитию высокопроизводительной визуализации был разработан другой механизм группировки. Эти группы будут показывать только одно репрезентативное изображение, которое будет доступно для поиска и просмотра. Запись репрезентативного изображения будет помечена тегом «Это изображение представляет собой группу похожих изображений». Затем выбор группы слов ведет себя так же, как и раньше, и пользователь попадает на страницу, где групповые изображения представлены с возможностью загрузки.

    Расширенный поиск

    Расширенный поиск дает пользователям возможность искать изображения, используя самые разные аспекты изображения, видео или анимации.

    В дополнение к поиску по ключевому слову пользователь может выполнять поиск по различным атрибутам изображения. Эти разные атрибуты можно увидеть в.

    Расширенный поиск и атрибуты изображений.

    Обратите внимание, что, хотя существует много изображений в 3D, которые включают в себя измерение Z, некоторые также представляют собой стопки изображений во времени, а третьи объединяют как измерение Z, так и измерение времени для создания 4D изображений. Эти изображения также можно просматривать, удерживая постоянную точку времени и перемещаясь в пространстве в Z-измерении.

    Расширенный поиск также предоставляет пользователю возможность поиска только изображений в группах, функция, которая может быть полезна, если, например, пользователь ищет набор изображений, которые можно использовать для проверки распознавания определенного образа или изображения. алгоритм восстановления (11).

    Кроме того, аннотаторы изображений определили, подходят ли изображения для количественной оценки, и эта информация также является фильтром с возможностью поиска. Расширенный поиск также включает фильтр лицензирования. Все это можно комбинировать, поэтому, если пользователь ищет изображение митоза для использования в книге, он может просто найти то, что он ищет, поместив митоз в поле ключевого слова и выбрав Public Domain и Attribution By.При этом будут возвращены все изображения, помеченные митозом и являющиеся либо общественным достоянием, либо только Creative Commons Attribution. Поскольку ни одна из этих лицензий не имеет коммерческих ограничений, пользователь может свободно использовать выбранное изображение для различных коммерческих или некоммерческих целей (хотя они должны указывать автора изображения, как указано в разделе «Атрибуция». записи, если они выбрали изображение только с лицензией Creative Commons Attribution).

    В расширенном поиске также есть три основных научных раздела: биология, методы визуализации и анатомия.Их можно увидеть в.

    Научные рубрики для расширенного поиска.

    Как и при простом поиске, в эти поля можно вводить термины, и после трех символов пользователям будут предложены предлагаемые термины. Ключевым аспектом использования расширенного научного поиска является способность исследовать онтологию, чтобы определить наиболее подходящий термин для поиска по онтологии. Термины, представленные во время исследования, — это только те термины, которые в результате вернут одно или несколько изображений.показывает, как пользователь может развернуть поле Cellular Component, нажав кнопку «Обзор терминов», а затем развернув соответствующие ветви онтологического дерева для достижения, например аппарат Гольджи. Простое нажатие на аппарат Гольджи добавит его в форму расширенного поиска.

    Расширенный поиск онтологического расширения клеточного компонента до аппарата Гольджи.

    Комбинируя различные условия поиска из разных научных областей расширенного поиска, можно будет легко определить те изображения, которые ищет пользователь, даже если библиотека изображений вырастет до очень большого количества изображений.В будущем у пользователя будет возможность подписаться на эти поисковые запросы. То есть, как только сложный набор параметров поиска определен, пользователь может подписаться на него и получать электронное письмо, когда новые изображения, соответствующие этим параметрам, публикуются в библиотеке.

    ДОПОЛНИТЕЛЬНЫЕ ВОЗМОЖНОСТИ

    Открытые функции

    Ряд других функций доступен любому пользователю, который заходит на сайт. Эти функции были разработаны, чтобы пользователям было проще перемещаться и находить то, что они хотят.

    Значки в результатах поиска и просмотра

    При представлении результатов поиска или обзора используется ряд значков, которые предоставляют пользователю информацию об изображении перед доступом к странице подробных изображений для этой записи. См. Значки и их значение.

    Иконки и их значение.

    Обратите внимание, что при просмотре или поиске результаты поиска также могут быть отфильтрованы по неподвижным изображениям, видео / анимации, Z-стеку и временным рядам. Можно выбрать более одного варианта.

    Страница подробных изображений

    Некоторые особенности страницы подробных изображений уже были отмечены, но есть и другие.На странице с подробным изображением представлены изображение, видео или анимация и лицензирование. Также есть краткое текстовое описание изображения и того, что примечательно. Далее следуют технические подробности, объясняющие, как было сделано изображение или подготовлен образец. Часто он указывает на статью, в которой объясняются используемые методологии. Затем в записи перечислены различные онтологические термины, аннотированные в AM. Следует отметить, что большинство терминов — это ссылки, при нажатии на которые выполняется поиск в базе данных всех других изображений, имеющих тот же онтологический термин. Также есть раздел об атрибуции изображения. Это следует или необходимо учитывать при использовании образа в зависимости от лицензирования. Этот раздел часто содержит ссылки на дополнительную информацию и может включать номер PubMed, связанный со статьей в PubMed.

    Параметры загрузки данных изображения

    На странице с подробным изображением ниже самого изображения находится кнопка, позволяющая пользователю загрузить изображение. Изображения могут быть загружены в формате изображения JPEG, в формате изображения OME-TIF, или пользователь может загрузить файл, который изначально был отправлен в библиотеку.Для видео и анимации видео или анимацию можно загрузить как флэш-видео или файл, который изначально был отправлен в библиотеку. Эти параметры дают пользователю большую гибкость в использовании изображения для желаемых целей.

    Обозреватель веб-изображений

    Обозреватель веб-изображений (WIB), разработанный в рамках проекта OpenCCDB (http://openccdb.org), представляет собой инструмент для более детального взаимодействия с изображениями и их изучения. В рамках очень интуитивно понятного интерфейса WIB дает пользователю возможность управлять яркостью, контрастностью и масштабированием изображения.WIB был разработан, чтобы помочь пользователям ориентироваться в очень больших мультиспектральных изображениях. Он также обеспечивает простые функции обработки изображений, такие как регулировка контрастности и яркости, а также включение и выключение каналов. WIB также имеет очень простой слайд, позволяющий пользователю перемещаться по измерению Z или измерению времени, когда эти атрибуты присутствуют в данных. Пользователи могут совместно работать над большими изображениями, используя функцию совместной работы, нажав «совместить». WIB также представляет собой первый шаг, сделанный Библиотекой, чтобы позволить своим пользователям аннотировать интересующие области на самих изображениях.Со временем это улучшит наше понимание структуры и функций клеток.

    Функции социальных сетей

    На каждой странице изображения есть несколько функций социальных сетей, доступ к которым осуществляется через панель социальных сетей под каждым изображением. Используя эти функции, пользователи могут отправить изображение по электронной почте одним нажатием кнопки или поделиться изображением в LinkedIn, StumbleUpon, Facebook, Twitter и многих других социальных сетях, нажав кнопку «Поделиться». Также на каждой странице доступен раздел комментариев, где пользователи могут обсуждать изображения, а также задавать любые вопросы об изображениях и отвечать на них.

    Характеристики учетной записи

    Пользователям CIL-CCDB также предоставляются дополнительные функции в их учетных записях. Эти учетные записи бесплатны и требуют всего времени для настройки.

    В разделе «Профиль» аккаунта есть возможность настроить Сферы интересов. Опять же, после трех символов пользователю будут предложены предложения или это может быть текст произвольной формы. После добавления области интересов и сохранения изменений профиля изображения из этой области и всех определенных областей интереса появятся на странице Что нового.Это фактически дает пользователю учетной записи настраиваемую домашнюю страницу с обзором того, что нового в библиотеке, с учетом конкретных интересов. Изображения за последние 30 дней представлены вместе с текстовой ссылкой для быстрого поиска более ранних изображений.

    Также пользователю учетной записи доступны Photoboxes. Это в основном папки, созданные пользователем для отметки помеченных изображений. Их можно использовать по-разному; у кого-то могут быть разные фотобоксы для разных клеточных процессов или, возможно, у учителя будут разные фотобоксы для разных уроков.

    Взаимодействие

    Библиотека использовала подход к свободному и открытому распространению изображений. Между CIL-CCDB и другими организациями легко налаживаются партнерские отношения. API был разработан для внешних партнеров для доступа к изображениям и данным библиотеки. Этот канал разработан таким образом, что изображения, представленные Библиотекой в ​​соответствии с лицензией об авторских правах, недоступны для внешних партнеров. Когда эти изображения были отправлены в Библиотеку, было предоставлено разрешение на представление этих изображений Библиотекой, но владельцы авторских прав по-прежнему контролируют их использование и распространение. Все другие используемые лицензии допускают распространение до тех пор, пока лицензия переносится. В качестве базы данных с открытым доступом изображения, видео и анимации CIL-CCDB также доступны для общих поисковых систем, которые находят изображения и видео. CIL-CCDB.

    Партнеры

    Информационная база для нейробиологии

    NIF http://www.neuinfo.org/ — это проект, поддерживаемый NIH Blueprint Initiative, для обеспечения широкого доступа к ресурсам, имеющим отношение к нейробиологии (данным, инструментам, материалам и услугам).Благодаря реестру ресурсов и объединению данных NIF предоставляет список тысяч ресурсов и объединенный поиск по более чем 170 различным источникам данных. NIF также построен с использованием многих из тех же основных онтологий, которые используются в CIL-CCDB, что обеспечивает легкую интеграцию CIL-CCDB в объединение данных NIF. Изображения из CIL-CCDB также объединены с изображениями из других источников. CIL-CCDB также извлекает выгоду из другой службы NIF, службы Linkout. Для тех изображений в библиотеке, которые имеют идентификатор PubMed, NIF отправляет данные в PubMed, который автоматически создает связь данных CIL-CCDB с этой статьей, используя функцию Link Out.Эти ссылки находятся в PubMed пользователями. Таким образом, для любых изображений в CIL-CCDB, которые происходят из публикаций, в PubMed предоставляется ссылка на эти изображения, чтобы пользователи могли дальше изучать эти изображения и загружать их в соответствии с лицензионными соглашениями.

    DistilBio

    DistilBio, (http://distilbio.com/) поисковая система в области наук о жизни, является еще одним партнером, который получил доступ к данным, как изображениям, так и метаданным, из CIL-CCDB. Они также объединяют данные из множества исходных баз данных.Они создали интерфейс поиска, чтобы легко запрашивать различные базы данных, которые они объединили.

    ПОЛУЧЕНИЕ ИЗОБРАЖЕНИЙ

    Изображения были получены из ряда источников. Люди могут отправлять свои изображения непосредственно в библиотеку с помощью DR или онлайн-загрузчика. Также ищутся наборы изображений, которые послужили основой для открытия, но не были опубликованы. Помимо работы напрямую с исследователями, мы также получали изображения от издателей, которые поддерживают наши усилия или тех, у которых есть лицензии, совпадающие с нашими.Как отмечалось ранее, одним из аспектов лицензирования Creative Commons является то, что оно упрощает совместное использование и распространение, если лицензии переносятся. Таким образом, CIL-CCDB работает как с журналами открытого доступа, так и с некоторыми традиционными издательствами, которые признают эту тенденцию открытого доступа и уже начали адаптировать свой контент.

    Кроме того, мы работали с компаниями в области клеточной биологии и микроскопии, поскольку у них часто есть изображения высокого качества и потрясающего качества.Интересно, что многие компании также проводят конкурсы изображений для своих клиентов. Некоторые из них довольно престижны, и сейчас мы работаем над тем, чтобы также представить в Библиотеке изображения победителей и почетных упоминаний с этих конкурсов.

    CIL-CCDB и изображения и видео Google

    Изображения и видео в CIL-CCDB также доступны поисковым системам Google, и этот ресурс был создан специально для этого. Этот ресурс не предназначен для замены изображений или видео Google.Однако у CIL-CCDB есть много преимуществ перед этими инструментами Google. В то время как эксперты могут фильтровать изображения, представленные Google, CIL-CCDB гарантирует, что его изображения были проверены профессионалами, что позволяет экспертам и неспециалистам найти материал, который точно иллюстрирует клеточную биологию. Изображения можно анализировать с высоким разрешением в CIL-CCDB, используя WIB, доступный на сайте и связанный с изображениями. Использование онтологий CIL-CCDB для категоризации и описания изображений, видео и анимаций обеспечивает пересечение со многими другими базами данных, а также с семантической веб-страницей, облегчая поиск помимо того, что доступно с инструментами Google.В CIL-CCDB есть много изображений и видео, которые не были опубликованы, и этот ресурс был разработан также как репозиторий для других, чтобы поделиться своей работой, помимо небольшого количества изображений, которые могут быть помещены в статью. Этот аспект также позволяет исследователям получить признание за свою работу через ссылки, доступные в CIL-CCDB. Программное обеспечение, управляющее CIL-CCDB, открыто для использования и адаптации. CIL-CCDB был разработан как исследовательская библиотека, а также как библиотека изображений для образования и широкой публики; Группы изображений особенно полезны для тех, кто работает в области количественной и сравнительной клеточной биологии.Есть и другие преимущества CIL-CCDB для тех, кто хочет узнать о клеточных структурах и функциях от одноклеточных до многоклеточных организмов и увидеть континуум от клеток к молекулам и от клеток к целым организмам. Действительно, концепция больших баз данных изображений и видео клеток дополняет базы данных нуклеиновых кислот и белков. CIL-CCDB предоставляет пользователям баз данных организованный, тщательно отобранный, постоянно развивающийся и растущий ресурс. Отзывы пользователей оттачивают этот ресурс и повышают его полезность, и такой вклад приветствуется.

    ЗАКЛЮЧЕНИЕ

    CIL-CCDB, таким образом, является ресурсом, который поддерживает наступающую волну обмена информацией и данными, а также открытый доступ к научной информации, финансируемой за счет государственных средств. Его рост и развитие позволяют не только исследователям разрабатывать новые идеи на основе изображений и видео других людей, но также преподавателям и широкой публике узнавать о сложностях и красоте биологии клеток. Пользовательский ввод продолжает приводить к адаптации программного обеспечения, улучшающей функции и форму CIL-CCDB, и большая часть этих отзывов поступает из последних новостей в социальных сетях.Хранилище хранилищ, ресурсы изображений и долгосрочное архивирование по мере изменения технологии — все это ожидания от CIL-CCDB, а также изображений и видео, которые он делает доступными. База данных CIL-Cell Centered Database находится в процессе разработки, и ее используют большое количество пользователей из 184 стран. Недавнее финансирование гарантирует, что этот прогресс продолжается в развитии этого ресурса для сообщества специалистов по клеточной биологии и тех, кто интересуется работой клеток.

    ФИНАНСИРОВАНИЕ

    Ячейка: разработка библиотеки изображений при поддержке Национального института общих медицинских наук (NIGMS) [RC2GM092708] США.S. Национальные институты здоровья в Американское общество клеточной биологии (в C.M.K.). Авторы несут полную ответственность за содержание, которое не обязательно отражает официальную точку зрения NIGMS, NIH, NCMIR или ASCB. Разработка Open CCDB и WIB была поддержана Open CCDB [GM082949; и RO1NS058296 из Национального института неврологических расстройств и инсульта (NINDS) в M.M.] и NCMIR [RR004050 to M.E.]. Финансирование платы за открытый доступ: отменено Oxford University Press.

    Заявление о конфликте интересов. Не заявлено.

    БЛАГОДАРНОСТИ

    Мы благодарим всех, кто внес свой вклад в Библиотеку. Джон Мюррей (Университет Пенсильвании) и Крис Вудкок (Университет Массачусетса) разработали онтологию методов биологической визуализации. Мы благодарим наш Консультативный совет за их руководство; мы также благодарим Джона Мюррея за его видение, руководство и приверженность качеству, Джона Хафнагла за его творческий подход, профессионализм и скорость в написании кода, нашего архивариуса Рэйчел Шерер из Массачусетского университета и наших аннотаторов за их усердную работу и посвящение, http: // cellimagelibrary. org / pages / staff. Мы благодарим всех, кто поделился своим опытом в разработке и сопровождении программного обеспечения, за их скорость исправления ошибок и создания новых функций. Мы благодарим тех издателей и других партнеров, которые нашли время поработать с нами. И мы особенно благодарим тех авторов изображений, которые нашли время, чтобы отправить свои изображения, работать с нами, чтобы сделать их доступными и увидеть и понять видение создания этой базы данных.

    ССЫЛКИ

    1. Мартоне М.Э., Гупта А., Вонг М., Цянь X, Сосинский Г., Людашер Б., Эллисман М.Х.База данных электронно-томографических данных, ориентированная на ячейки. J. Struct. Биол. 2002. 138: 145–155. [PubMed] [Google Scholar] 3. Имам Ф. Т., Ларсон С. Д., Бандровски А., Грета Дж. С., Гупта А., Мартоне М. Е.. Разработка и использование онтологий в информационной структуре нейробиологии: практический подход. Фронт. Genet. 2012; 3: 111. [Бесплатная статья PMC] [PubMed] [Google Scholar] 6. Аллан С., Бурел Дж. М. , Мур Дж., Блэкберн С., Линкерт М., Лойнтон С., Макдональд Д., Мур В. Дж., Невес С., Паттерсон А. и др. OMERO: гибкое модельное управление данными для экспериментальной биологии.Нат методы. 2012; 9: 245–253. [Бесплатная статья PMC] [PubMed] [Google Scholar] 7. Джонстон Дж., Нагараджа А., Хоххайзер Х., Голдберг И.Г. Гибкая структура для веб-интерфейсов к базам данных изображений: поддержка пользовательских онтологий и ссылок на внешние базы данных. 2006 Международный симпозиум IEEE по биомедицинской визуализации. 2006 [Google Scholar] 8. Гольдберг И., Аллан С., Бурел Дж. М., Крегер Д., Фалькони А., Хоххайзер Х, Джонстон Дж., Меллен Дж., Соргер П. К., Сведлоу Дж. Модель данных открытой среды микроскопии (OME) и файл XML: открытые инструменты для информатики и количественного анализа в биологической визуализации.Genome Biol. 2005; 6: R47. [Бесплатная статья PMC] [PubMed] [Google Scholar] 9. Linkert M, Rueden CT, Allan C, Burel JM, Moore W., Patterson A, Loranger B, Moore J, Neves C, MacDonald D, et al.
    Comments