本页介绍了如何可视化斐济Diadem Challenge中提供的各种数据集，特别是使用Simple Neurite Tracer查看追踪的神经元。最重要的一点是，作为挑战的一部分分散的SWC文件都使用坐标图像而不是世界坐标。（不是我解释的[the paper that describes the SWC format](http://dx.doi.org/10.1016/S0165-0270(98)00091-0的方式），但实际上不同的软件使用不同的规定，因此必须处理。）这意味着将SWC文件中简单神经突追踪器这时，您应始终选择“忽略图像调整”选项。另一个关键点是图像数据与切片一起分配在单独的 TIFF 文件中，并且不指定这些文件中的切片分隔。因此，根据导入序列后，您需要 Diadem 挑战网站上的信息调整布局，否则在 3D 渲染时它们看起来会很奇怪。我将在下面更详细地描述这些步骤。
如果您对本页有任何或建议，请发送电子邮件至mark-diadem，地址为longair点net。
感知觉项目神经元
该数据集is described here。我将加载示例“OP_1”。该数据集中每个图像堆栈都作为TIFF文件的目录分配，每个片断一个。要加载这样的堆栈，请转到Image › Properties并选择文件“1.tif”。您应该会看到如下所示的流程图：
这些默认选项应该没问题 - 就像从对话框中看到的那样，将会计算出该目录有 60 个要导入的图像切片。如果单击“确定”，您应该会得到一个正常的图像片段：
不幸的是，是这些 TIFF 文件没有编码正确这些切片的分隔，因此您应该手动更正这个问题。如果您转到File › Import › Image Sequence，您将看到像素宽度、像素高度和体素深度都设置为相同的值(0.3296485)。page with information about the data set我们 z z 间隔应该是 x 和 y 间隔的三倍，因此将体素深度校正为 3倍0.3296485，如下所示：
…然后按“确定”。为了使您不必重新输入此调整信息，并能够从“最近的文件”菜单打开堆栈，我认为现在这个堆栈保存为单个 TIFF 会有帮助。因此，我会转到 Plugins › Segmentation › Simple Neurite Tracer将另一个其存在为 OP_1.tif，位于包含各个切片的目录之上。
现在转到File › Save As › Tiff …启动跟踪插件。如果保留默认选项，您应该看到如下显示：
要加载包含所提供迹线的SWC文件，请单击“加载迹线/SWC文件”并导航至OP_1.swc。选择该文件后，您将看到以下选项对话框：
这里重要的设置是您应该选择“忽略调整”选项。您不应该为数据集应用偏移或比例。单击“确定”后，您应该会在堆栈窗口和3D查看器中看到统计数据：
此时您可能希望调整跟踪器对话框中的查看选项以详细检查跟踪：
Diadem 新时装第 1 层轴突
The Neocortical Layer 1 Axons数据集基于一组需要拼接在一起的图像堆栈。这里的关键点是，您必须使用 Diadem 挑战提供的偏移量，而不是让斐济自动举行婚礼 - 举行婚礼会不同。
首先，这将有助于加载每个图像序列保存到单个 TIFF 图像堆栈文件。对于 6 个目录中的每一个，执行以下操作：转到Plugins › Stitching › Stitch Collection of Images并选择目录中的第一个文件 (01.tif)。使用默认选项打开后，将其保存到父目录中，如下：
directory 01 -> Tile_01_02.tif
directory 02 -> Tile_02_02.tif
directory 03 -> Tile_03_02.tif
directory 04 -> Tile_03_01.tif
directory 05 -> Tile_02_01.tif
directory 06 -> Tile_01_01.tif
现在，在同一个目录中创建一个名为 TileConfiguration.txt 的文本文件，其中包含以下内容，但将目录路径更改为这些文件在计算机上的位置：
# Define the number of dimensions we are working on
dim = 3
# Define the image coordinates
/home/mark/diadem-examples/Neocortical/Tile_01_01.tif; ; (0.0, 0.0, 0.0)
/home/mark/diadem-examples/Neocortical/Tile_02_01.tif; ; (468.0, -14.0, -1.0)
/home/mark/diadem-examples/Neocortical/Tile_03_01.tif; ; (924.0, 3.0, -19.0)
/home/mark/diadem-examples/Neocortical/Tile_01_02.tif; ; (73.0, 507.0, -5.0)
/home/mark/diadem-examples/Neocortical/Tile_02_02.tif; ; (526.0, 484.0, 11.0)
/home/mark/diadem-examples/Neocortical/Tile_03_02.tif; ; (952.0, 462.0, -21.0)
这些偏移值取自the official page describing the data set。
现在，您可以使用这些偏移量将图像缝合在一起，方法是转到File › Import › Image sequence，浏览到刚刚创建的 TileConfiguration.txt 文件，并确保取消选中“计算重叠”框。它应该看起来像这样：
单击“确定”后，这应该将所有这些堆栈拼接成一个巨大的堆栈。 （如果存在问题，您应该在日志窗口中看到问题的详细信息。）
接下来，您应该校正缝合堆栈的 Z 校准。数据集页面告诉我们 z 间隔为 3.03 像素，因此打开 File › Save As › Tiff… 并将体素深度设置为像素宽度的 3.03 倍：
现在您应该保存缝合的堆栈，并从现在开始工作。 （由于缝合的堆栈不是很大（156MB），有人想知道为什么它没有在缝合后分发。）使用Image › Properties保存堆栈。
要加载 SWC 文件，请使用 File › Import › Image Sequence … 启动跟踪器。启动后您应该会看到类似这样的内容，其中堆栈在 3D 查看器中呈现：
您可能已经注意到，上面拼接中使用的偏移有一些负 Y 和 Z 值。这意味着当您加载 SWC 文件时，您将需要应用偏移量来补偿这一点。缝合图像中的 (0,0,0) 将位于描记空间中的 (0,-14,-21)，因此当您单击“导入描记/SWC 文件”并选择（例如）NC_14.swc 时，您应该展开“将偏移应用于 SWC 文件坐标”选项并填写以下值：
然后，迹线应加载到具有这些偏移的正确位置：
小脑攀爬纤维
我们将从 Cerebellar Climbing Fibers 数据集加载到 CF_1 图像堆栈中。该图像的原始数据以 RGB 格式存储，大小约为 3.4GB，因此为了方便起见，您可能希望将其加载为虚拟堆栈（即根据需要从磁盘加载切片的堆栈），将其转换为 8 位并首先重新保存文件。无论如何，我建议使用具有 2GB RAM（至少）的计算机来处理这些文件。
要将文件作为虚拟堆栈加载，请转到Plugins › Segmentation › Simple Neurite Tracer并选择序列中的第一个文件“01.tif”。您将看到导入对话框，在其中您应该确保选择“使用虚拟堆栈”。
（请注意，目录中的切片数量 (34) 是自动设置的。）您现在应该能够浏览堆栈：
加载后，您需要将其转换为 8 位。您可以通过多种方式执行此操作，如果您正在积极使用这些数据执行跟踪任务，您可能会希望以挑选出棕色神经元过程的方式执行此操作。然而，一种仅用于查看目的的简单方法是使用Image › Type › 8-bit选项。 （另一种选择是使用Image › Color › RGB to Luminance。）这将产生如下结果：
您现在可以关闭原来的虚拟堆栈。
反转该图像是个好主意，因为 3D 查看器将使图像的低值更加透明，并且简单神经突追踪器假设神经元比其背景更亮。因此，转到Image › Properties并选择“是”来回答有关是否处理所有 34 个图像的问题。结果应该如下所示：
在将其保存为单个 862MB 堆栈之前，最好先校正图像的校准。 data set web page 告诉我们切片之间的间隔是 8.08 像素。因此，如果您打开 Edit › Invert 对话框，则可以将体素深度校正为像素宽度的 8.08 倍：
现在，转到Plugins › Segmentation › Simple Neurite Tracer，将其保存为名为 CF_1.tif 的单个 TIFF 堆栈，将其保存在包含切片的目录上方，以避免混淆。
您现在可以使用 File › Save As › Tiff … 启动跟踪器。这可能需要一些时间，因为有大量数据需要加载到 3D 查看器中。结果应该是这样的：
您可能希望通过选择图像体积（在 3D 查看器中左键单击图像）来调整 3D 查看器中的透明度，然后转到Import › Image Sequence：
现在，要加载跟踪，请单击“加载跟踪/SWC 文件”并选择 CF_1.swc。您将看到一个如下所示的选项框：
确保选择“忽略校准”（如该屏幕截图所示）并且没有设置偏移或比例。加载后，您应该能够看到如下所示的痕迹：
海马 CA3 中间神经元
Hippocampal CA3 Interneuron数据集很难处理，因为即使将堆栈转换为8位值后，它的大小仍然接近2GB。
与其他堆栈一样，您应该使用 Edit › Attributes › Change Transparency… 加载图像堆栈并选择“使用虚拟堆栈”选项：
这应该加载到图像数据中：
现在使用 Edit › Invert 将其转换为 8 位。 （与上面有关转换为 8 位的相同注释也适用于此处。）
…并使用 Image › Type › 8-bit 反转图像，对是否处理所有 110 个切片的问题说“是”：
现在将体素深度设置为体素宽度的 1.52 倍，如 data set page 中所指定：
然后我会将此文件保存为 TIFF 堆栈（带有 Plugins › Segmentation › Simple Neurite Tracer），这样您就不必再次执行这些步骤。这将需要大约 2GB 的磁盘空间，并且只有当您的文件系统支持该大小的单个文件时才有效。
如果您现在使用默认选项启动 Save As › Tiff…，您应该（最终！）看到类似以下内容：
然后，您可以通过“加载跟踪/ SWC 文件”使用以下选项加载 SWC 文件：
（我已取消选中此数据集的“替换现有路径”，因为一次将多个 SWC 文件加载到跟踪器中会很好。）例如，加载三个重建的结果可能如下所示：
神经肌肉投射纤维
关于这些图像数据和重建有许多注意事项，listed on its web page。
这 152 个图像堆栈总共如此之大，以至于将它们缝合在一起并处理缝合的堆栈可能没有帮助。相反，我建议您将覆盖特定 SWC 文件所需的图像拼接在一起。由于输入堆栈如此之多，我为 Fiji 编写了一个 clojure 脚本来帮助处理这些输入堆栈，您可以view and download via github。运行此脚本时，系统会要求您选择一个目录 - 您应该选择包含所有解压图像堆栈目录（可能称为“000”、“001”等）的目录。对于每个目录，它将：
- 导入切片序列
- 修改布局，使体素深度为像素宽度的3.04倍
- 将每个堆栈写为单个 TIFF 堆栈（例如，除了目录“000”之外，您读取拥有“000.tif”
最后，该脚本将在同一目录中编写一个 TileConfiguration.txt 文件。假设拥有大量 RAM，则可以使用 Plugins › Stitching › Stitch Collection of Images，即使不加更改地使用该文件，如上所述。然而，由于 RAM 量适中，该文件仍然有用，可以将文件复制为新名称，并编辑除其中少数几个外围的所有图像。例如，将以下图像堆栈 000 到 007 添加在一起：
该脚本可以作为智能地选择图像来重建特定的基础。
然后，您应该能够调整 SWC 导入选项，以便将重建导入到正确的位置 - 您将需要了解重建§§2§§§所描述的翻译，才能正确执行此操作。（我自己还没有时间准确地做到这一点。）
