kymo-

💡 We annotated the kymo manually, then trained a classifier to flag drift, ensuring downstream analyses weren’t fooled by camera jitter.

ما کیمو را به صورت دستی حاشیه‌نویسی کردیم، سپس یک طبقه‌بندی‌کننده را برای مشخص کردن رانش آموزش دادیم تا اطمینان حاصل شود که تحلیل‌های پایین‌دست توسط لرزش دوربین فریب نمی‌خورند.

💡 The imaging plugin exported a kymo for each fluorescent track, letting us visualize movement over time as tidy stripes instead of chaotic dots.

افزونه تصویربرداری برای هر مسیر فلورسنت یک کیمو صادر کرد و به ما اجازه داد حرکت را در طول زمان به صورت نوارهای مرتب به جای نقاط آشفته تجسم کنیم.

💡 After processing, the kymo revealed pauses and bursts in vesicle transport, guiding our choice of statistical models for stop-and-go dynamics.

پس از پردازش، کیمو مکث‌ها و انفجارهایی را در انتقال وزیکول آشکار کرد که ما را در انتخاب مدل‌های آماری برای دینامیک توقف و حرکت راهنمایی کرد.