MABBI – ImageJ adalah perangkat lunak sumber terbuka yang banyak digunakan yang memungkinkan pengguna untuk memvisualisasikan, memeriksa, mengukur, dan memvalidasi data gambar ilmiah. Metode berbasis pencitraan memainkan peran penting dalam ilmu kehidupan dan telah mengalami pertumbuhan luar biasa dalam beberapa dekade terakhir. Ketika modalitas pencitraan baru muncul dan kumpulan data menjadi lebih kompleks, memiliki metode yang dapat direproduksi dan andal untuk menginterpretasikan gambar biologis adalah inti dari analisis gambar, di mana “melihat adalah masalah pembelajaran”. Analisis gambar memungkinkan pengguna untuk mengekstrak informasi dari gambar dengan cara yang dapat direproduksi. Agar hal ini terjadi, algoritma dan parameter yang digunakan harus tetap terbuka dan konsisten. Jika ada komponen algoritma yang merupakan hak milik, peneliti mungkin tidak dapat mereproduksi karya mereka atau melacak perubahan dengan transparansi penuh, yang sangat penting untuk proses ilmiah. Untuk mengatasi kebutuhan ini, perangkat lunak sumber terbuka menguntungkan, dan ini adalah salah satu alasan utama penggunaan ImageJ secara luas.
Modalitas pencitraan baru menawarkan resolusi, spesifisitas, dan cakupan yang ditingkatkan dan berkontribusi pada banyak kemajuan biologis yang luar biasa selama beberapa dekade terakhir. Oleh karena itu, penelitian modern memerlukan metode untuk mengolah, interpretasi, dan visualisasi pencitraan data multidimensi yang canggih dan efisien. Hal ini penting untuk beragam studi biologi yang mencakup kuantifikasi kedekatan protein berlabel fluoresen, melacak nasib sel dari waktu ke waktu, menghitung sel otomatis, melacak sel kanker yang menyerang, mengumpulkan informasi seluruh slide, menghitung dan mengkarakterisasi sel, seperti mikroglia, di dalam otak, atau mendaftarkan set data mikroskop fluoresensi lembar cahaya multi view untuk mempelajari perkembangan. Analisis citra juga berperan penting dalam biomedis untuk interpretasi diagnostik. Karena prevalensi himpunan data multidimensi besar terus berkembang, kemampuan untuk melakukan pengukuran secara manual tidak hanya memakan waktu secara tidak praktis, tetapi sensitivitas, akurasi, objektivitas, dan reproduksi kegiatan dapat menjadi sangat terhambat. Karena tantangan ini, kami akan menyelesaikan dalam ulasan ini perkembangan saat ini dalam ekosistem ImageJ yang membahas penanganan kumpulan data multidimensi yang besar, termasuk membuat anotasi dan melakukan teknik analisis gambar tingkat lanjut.
Secara historis, pendahulu ImageJ, NIH Image, dikembangkan oleh Wayne Rasband pada tahun 1987 di National Institutes of Health. Rasband sangat antusias dengan konsep berbagi kode terbuka di papan buletin elektronik saat itu dan kemungkinan yang ditawarkan oleh peluncuran Apple Macintosh II dengan grafik canggih dan dukungan untuk bahasa pemrograman Pascal. Tujuannya adalah untuk memungkinkan pihak pengembang ketiga untuk menyesuaikan dan membuat analisis rutin khusus domain mereka sendiri dan membiarkan pengguna menjalankan aplikasi NIH Image. Pada tahun 1995, ketika Sun Microsystems merilis bahasa pemrograman Java yang dapat berjalan di sistem operasi apa pun, transisi NIH Image ke Java dimulai, dan rilis pertama dari platform berikutnya, yang dikenal sebagai ImageJ, terjadi. perangkat lunak dapat diakses melalui https://imagej.net/Welcome (Tri/MABBI)
Leave a Reply