LINUM

Logiciels et Données

Logiciels

  • M2M (2023) : Une collection d’outils Python pour travailler avec les données du Allen Mouse Brain Connectivity Atlas dans l’espace de données de l’utilisateur (ex. données d’IRM de diffusion). Notre méthode est basée sur des actions « aller-retour » entre Allen et les données utilisateur à l’aide du kit de développement logiciel Allen (AllenSDK) pour importer les données de l’Institut Allen et du package Python ANTsPyX pour le recalage. Développé par Mahdi Abou-Amdan et Joël Lefebvre (UQAM) en collaboration avec le groupe de Laurent Petit (Université de Bordeaux, France) (GitHub, Article de conférence à venir)
  • TRAIT2D (2021) : Un outil Python multiplateforme pour le suivi, la simulation et l’analyse d’expériences de diffusion de particules. Développé en collaboration avec les laboratoires de Jens Rittscher (Université d’Oxford, Royaume-Uni) et de Christian Eggeling (Friedrich Schiller Universität, Jena, Allemagne) (GitHub, Documentation, Prépublication)
  • PyBaSiC (2021) : Implémentation Python de la méthode de correction de l’illumination BaSiC. Développé par Joël Lefebvre en collaboration avec le laboratoire de Jens Rittscher à l’Université d’Oxford. (GitHub, Pypi, Article original)
  • X-Tract Allen web interface (2020) : Une interface Web pour accéder aux données du « Mouse Brain Connectivity Project » du Allen Institute for brain science. Cette interface a pour but d’aider à identifier des régions d’intérêt (ROI) contenant des croisements de fibres de matière blanche dans le cerveau. Développé par Philippe Lemieux lors d’un stage d’initiation à la recherche à l’été 2020. (GitHub, Description du projet)

Données

  • OCT average mouse brain (2017) : Ces cerveaux de souris moyens ont été créés en combinant 4 cerveaux de souris acquis avec un microscope sériel utilisant la tomographie par cohérence optique (SOCT). Les outils de normalisation avancés (ANTs) ont été utilisés pour créer les cerveaux normalisés. Les données ont également été alignées sur les coordonnées communes (CCF) de la souris Allen. Le contraste d’atténuation locale a été calculé à partir du contraste de réflectivité OCT en utilisant un modèle de photon à diffusion unique. Ces cerveaux ont été sous-échantillonnés à une résolution isotrope de 50 microns / voxel. (Données, Article)