slides.rst

   1 Looking at microCT data of Brassica pods
   2 ========================================
   3
   4 I am not a biologist, please stop me and correct me if I say silly things.
   5
   6 Pod Width
   7 ---------
   8
   9 .. image:: plot_bar_pod_widths.png
  10    :width: 9cm
  11
  12 Sphericity
  13 ----------
  14
  15 .. image:: plot_bar_sphericities_of_seeds.png
  16    :width: 9cm
  17
  18 Volume
  19 ------
  20
  21 .. image:: plot_bar_volumes_of_seeds.png
  22    :width: 9cm
  23
  24 Surface Area
  25 ------------
  26
  27 .. image:: plot_bar_surface_area_of_seeds.png
  28    :width: 9cm
  29
  30 Correlations
  31 ------------
  32
  33 .. image:: plot_correlations.png
  34    :width: 8cm
  35
  36 .. image:: plot_number_of_seeds_vs_mean_volume_of_seeds.png
  37    :width: 9cm
  38
  39 .. image:: plot_length_of_pod_vs_mean_volume_of_seeds.png
  40    :width: 9cm
  41
  42 .. image:: plot_length_of_pod_vs_number_of_seeds.png
  43    :width: 9cm
  44
  45 Filtering false seeds
  46 ---------------------
  47
  48 .. image:: brassica_pod_lq.png
  49    :width: 7.3cm
  50
  51 * Image analysis produces many false seeds at the beak tip
  52 * Density and size is comparable to seed
  53 * Hard to recognise by graphical methods alone
  54 * Recognise them by mathematical means instead
  55
  56 Spine fitting
  57 -------------
  58
  59 * For every CT slice we have the centroid of the object
  60 * Fit X and Y position as cubic functions of z
  61 * Define 'real z' as the distance measured along the fitted curve from
  62   the beak to the z coordinate of the point
  63
  64 .. image:: fitting_debug.svg
  65    :target: https://git.friedersdorff.com/max/ct_plotting/raw/master/fitting_debug.gif
  66    :width: 1.22cm
  67
  68
  69 Classify beak tip and Real Seeds™
  70 ---------------------------------
  71
  72 Failed approaches:
  73
  74 1. Assert that seeds must not be implausible - Removed insufficiently many seeds
  75
  76    * Too close to the ends of the pod
  77    * Too large given pod dimensions
  78
  79 2. Real z position of seeds of a pod is a sample from some probability
  80    distribution, fit and paramterize the distribution to classify seeds.
  81
  82    * Sum of two normal(-ish) distributions - noise at beak might be normal,
  83      everything else definitely is not
  84    * More complicated distribution - too complicated
  85
  86 3. K-Means clustering - Silly for 1 dimensional data
  87 4. Jenks Natural Breaks Optimisation - Should work in theory, did not work well
  88    in practice
  89
  90 Break at Minimum Kernel Density Estimation (KDE)
  91 ------------------------------------------------
  92
  93 * Beak has no Real Seeds™ and low density
  94 * Expect a gap in real z of detected seeds
  95
  96
  97 .. image:: plot_real_zs_genotype_unfiltered.png
  98    :width: 11cm
  99
 100 .. raw:: pdf
 101
 102    FrameBreak 50
 103
 104 * Use KDE to find density of seeds as function of real z
 105
 106 .. image:: kde_debug.png
 107    :width: 7cm
 108
 109 * First seed has real z less than 100?
 110 * Find the local minimum at lowest real z where log(KDE)<-10
 111 * Keep seeds with greater real z
 112 * Profit
 113
 114 .. image:: plot_real_zs_genotype_filtered.png
 115    :width: 11cm
 116
 117 .. image:: plot_real_zs_genotype_unfiltered.png
 118    :width: 11cm
 119
 120 Beak and Silique length
 121 -----------------------
 122
 123 Use the seed with lowest real z to mark the boundary of beak and silique:
 124
 125 .. image:: plot_bar_silique_lengths.png
 126 .. image:: plot_bar_beak_lengths.png
 127
 128 Resources
 129 ---------
 130
 131 `Git Repository`_
 132
 133 `This Presentation`_
 134
 135 `Numpy`_
 136
 137 `Matplotlib`_
 138
 139 `Seaborne`_
 140
 141 .. _Git Repository: https://github.com/NPPC-UK/ct_scanner_plotting
 142 .. _This Presentation: https://git.friedersdorff.com/max/ct_plotting.git
 143 .. _Numpy: https://www.numpy.org/
 144 .. _Matplotlib: https://matplotlib.org/
 145 .. _Seaborne: https://seaborn.pydata.org/
 146
 147 .. target-notes::