型で実践する生物画像解析　ImageJ・Python・napari

【目次】
本書のねらい
執筆者一覧
データ，コード等のダウンロードについて

基礎編
1 序論 ―生物画像解析の枠組みを理解する
2 Jythonの基礎知識と書き方
3 napariの基礎知識と書き方
4 Google Colaboratoryの利用法 ―クラウドPythonプログラミング

実践編
1 核膜に移行するタンパク質の動態の測定
ImageJ/Fiji 　Jython 　MorphoLibJ 　分節化　輝度測定　連結成分分析　多チャネル　時系列

2 電子顕微鏡画像のミトコンドリア分節化と形状のクラスタリング解析
Python 　napari 　PHILOW 　深層学習　分節化　形状解析　３次元

3 腫瘍血管における3次元管状構造ネットワークの分析
ImageJ/Fiji 　Jython 　Ops 　MorphoLibJ 　AnalyzeSkeleton 　ネットワーク構造解析　骨格化　３次元

4 細胞移動を定量するための粒子追跡（トラッキング）
ImageJ/Fiji 　Jython 　TrackMate 　StarDist 　機械学習　粒子追跡　時系列

5 細胞周期の蛍光プローブFucciの時系列データ解析
ImageJ/Fiji 　Jython 　TrackMate 　粒子追跡　輝度測定　多チャネル　時系列

6 甲殻類モデル生物Parhyale hawaiensisの脚再生過程の細胞動態解析
ImageJ/Fiji 　Mastodon 　ELEPHANT 　BigDataViewer 　深層学習　細胞追跡　輝度測定　３次元　時系列　大規模データ

7 イネのデジタルカメラ画像によるバイオマス推定
Python 　深層学習　画像認識　RGB 画像

論文投稿編
1 画像解析の再現性チェックリストとGitHubの活用
2 画像データリポジトリとデータベース ーそのしくみと活用法

発展編
1 Micro-Managerによる顕微鏡制御
2 イメージングデータの次世代ファイルフォーマット
3 生物画像解析の専門家ネットワークとGloBIAS

付録
1 分節化のための機械学習ツールのリスト
2 英日対訳表

索引