Omero Integration

Integração OMERO

Visão Geral

OMERO é uma plataforma de código aberto para gerenciar, visualizar e analisar imagens de microscopia e metadados. Acesse imagens via API Python, recupere datasets, analise pixels, gerencie ROIs e anotações, para triagem de alto conteúdo e workflows de microscopia.

Quando Usar Esta Habilidade

Esta habilidade deve ser utilizada quando:

• Trabalhar com API Python do OMERO (omero-py) para acessar dados de microscopia
• Recuperar imagens, datasets, projetos ou dados de triagem programaticamente
• Analisar dados de pixels e criar imagens derivadas
• Criar ou gerenciar ROIs (regiões de interesse) em imagens de microscopia
• Adicionar anotações, tags ou metadados a objetos OMERO
• Armazenar resultados de medições em tabelas OMERO
• Criar scripts do lado do servidor para processamento em lote
• Realizar análise de triagem de alto conteúdo

Capacidades Principais

Esta habilidade cobre oito áreas de capacidade principais. Cada uma é documentada em detalhes no diretório references/:

1. Gerenciamento de Conexão e Sessão

Arquivo: references/connection.md

Estabeleça conexões seguras com servidores OMERO, gerencie sessões, trate autenticação e trabalhe com contextos de grupo. Use isso para padrões de configuração inicial e conexão.

Cenários comuns:

• Conectar ao servidor OMERO com credenciais
• Usar IDs de sessão existentes
• Alternar entre contextos de grupo
• Gerenciar ciclo de vida da conexão com gerenciadores de contexto

2. Acesso e Recuperação de Dados

Arquivo: references/data_access.md

Navegue pela estrutura hierárquica de dados do OMERO (Projetos → Datasets → Imagens) e dados de triagem (Screens → Plates → Wells). Recupere objetos, consulte por atributos e acesse metadados.

Cenários comuns:

• Listar todos os projetos e datasets de um usuário
• Recuperar imagens por ID ou dataset
• Acessar dados de placas de triagem
• Consultar objetos com filtros

3. Metadados e Anotações

Arquivo: references/metadata.md

Crie e gerencie anotações incluindo tags, pares chave-valor, anexos de arquivo e comentários. Vincule anotações a imagens, datasets ou outros objetos.

Cenários comuns:

• Adicionar tags a imagens
• Anexar resultados de análise como arquivos
• Criar metadados customizados de pares chave-valor
• Consultar anotações por namespace

4. Processamento e Renderização de Imagens

Arquivo: references/image_processing.md

Acesse dados de pixels brutos como arrays NumPy, manipule configurações de renderização, crie imagens derivadas e gerencie dimensões físicas.

Cenários comuns:

• Extrair dados de pixels para análise computacional
• Gerar imagens em miniatura
• Criar projeções de intensidade máxima
• Modificar configurações de renderização de canal

5. Regiões de Interesse (ROIs)

Arquivo: references/rois.md

Crie, recupere e analise ROIs com várias formas (retângulos, elipses, polígonos, máscaras, pontos, linhas). Extraia estatísticas de intensidade de regiões ROI.

Cenários comuns:

• Desenhar ROIs retangulares em imagens
• Criar máscaras de polígono para segmentação
• Analisar intensidades de pixels dentro de ROIs
• Exportar coordenadas de ROI

6. Tabelas OMERO

Arquivo: references/tables.md

Armazene e consulte dados tabulares estruturados associados a objetos OMERO. Útil para resultados de análise, medições e metadados.

Cenários comuns:

• Armazenar medições quantitativas para imagens
• Criar tabelas com múltiplos tipos de coluna
• Consultar dados de tabela com condições
• Vincular tabelas a imagens ou datasets específicos

7. Scripts e Operações em Lote

Arquivo: references/scripts.md

Crie OMERO.scripts que executem no servidor para processamento em lote, workflows automatizados e integração com clientes OMERO.

Cenários comuns:

• Processar múltiplas imagens em lote
• Criar pipelines de análise automatizados
• Gerar estatísticas resumidas em datasets
• Exportar dados em formatos customizados

8. Recursos Avançados

Arquivo: references/advanced.md

Abrange permissões, filesets, consultas entre grupos, operações de exclusão e outras funcionalidades avançadas.

Cenários comuns:

• Lidar com permissões de grupo
• Acessar arquivos originais importados
• Realizar consultas entre grupos
• Excluir objetos com callbacks

Instalação

uv pip install omero-py

Requisitos:

• Python 3.7+
• Zeroc Ice 3.6+
• Acesso a um servidor OMERO (host, porta, credenciais)

Início Rápido

Padrão básico de conexão:

from omero.gateway import BlitzGateway

# Conectar ao servidor OMERO
conn = BlitzGateway(username, password, host=host, port=port)
connected = conn.connect()

if connected:
    # Realizar operações
    for project in conn.listProjects():
        print(project.getName())

    # Sempre fechar a conexão
    conn.close()
else:
    print("Falha na conexão")

Padrão recomendado com gerenciador de contexto:

from omero.gateway import BlitzGateway

with BlitzGateway(username, password, host=host, port=port) as conn:
    # Conexão gerenciada automaticamente
    for project in conn.listProjects():
        print(project.getName())
    # Fechada automaticamente ao sair

Selecionando a Capacidade Certa

Para exploração de dados:

• Comece com references/connection.md para estabelecer conexão
• Use references/data_access.md para navegar na hierarquia
• Consulte references/metadata.md para detalhes de anotações

Para análise de imagens:

• Use references/image_processing.md para acesso a dados de pixels
• Use references/rois.md para análise baseada em região
• Use references/tables.md para armazenar resultados

Para automação:

• Use references/scripts.md para processamento no servidor
• Use references/data_access.md para recuperação de dados em lote

Para operações avançadas:

• Use references/advanced.md para permissões e exclusão
• Consulte references/connection.md para consultas entre grupos

Workflows Comuns

Workflow 1: Recuperar e Analisar Imagens

1. Conectar ao servidor OMERO (references/connection.md)
2. Navegar até dataset (references/data_access.md)
3. Recuperar imagens do dataset (references/data_access.md)
4. Acessar dados de pixels como array NumPy (references/image_processing.md)
5. Realizar análise
6. Armazenar resultados como tabela ou anotação de arquivo (references/tables.md ou references/metadata.md)

Workflow 2: Análise de ROI em Lote

1. Conectar ao servidor OMERO
2. Recuperar imagens com ROIs existentes (references/rois.md)
3. Para cada imagem, obter formas de ROI
4. Extrair intensidades de pixels dentro de ROIs (references/rois.md)
5. Armazenar medições em tabela OMERO (references/tables.md)

Workflow 3: Criar Script de Análise

1. Desenhar workflow de análise
2. Usar framework OMERO.scripts (references/scripts.md)
3. Acessar dados por meio de parâmetros de script
4. Processar imagens em lote
5. Gerar saídas (novas imagens, tabelas, arquivos)

Tratamento de Erros

Sempre envolva operações OMERO em blocos try-except e garanta que as conexões sejam fechadas adequadamente:

from omero.gateway import BlitzGateway
import traceback

try:
    conn = BlitzGateway(username, password, host=host, port=port)
    if not conn.connect():
        raise Exception("Falha na conexão")

    # Realizar operações

except Exception as e:
    print(f"Erro: {e}")
    traceback.print_exc()
finally:
    if conn:
        conn.close()

Recursos Adicionais

• Documentação Oficial: https://omero.readthedocs.io/en/stable/developers/Python.html
• API BlitzGateway: https://omero.readthedocs.io/en/stable/developers/Python.html#omero-blitzgateway
• Modelo OMERO: https://omero.readthedocs.io/en/stable/developers/Model.html
• Fórum da Comunidade: https://forum.image.sc/tag/omero

Observações

• OMERO usa permissões baseadas em grupo (READ-ONLY, READ-ANNOTATE, READ-WRITE)
• Imagens no OMERO são organizadas hierarquicamente: Project > Dataset > Image
• Dados de triagem usam: Screen > Plate > Well > WellSample > Image
• Sempre feche conexões para liberar recursos do servidor
• Use gerenciadores de contexto para gerenciamento automático de recursos
• Dados de pixels são retornados como arrays NumPy para análise