생산 준비가 완료된 현미경 이미지 분석 및 콜로니 형태 측정, 세포 계수, 형광 정량화 및 이미징 기반 측정의 통계 분석을 위한 정량적 이미징 데이터 기술입니다. ImageJ/CellProfiler 출력(면적, 원형도, 강도, 셀 수)을 처리하고 Dunnett의 테스트, Cohen의 d 효과 크기, 검정력 분석, Shapiro-Wilk 정규성 테스트, 양방향 ANOVA, 다항식 회귀, 신뢰 구간이 있는 자연 스플라인 회귀 및 비교 형태학을 수행합니다. CSV/TSV 측정 테이블, 다중 채널 형광 데이터, 콜로니 군집 분석 및 뉴런 계산 데이터 세트를 지원합니다. 현미경 측정 데이터, 집락 면적/원형성, 세포 수 통계, 군집 분석, 공동 배양 비율 최적화를 분석하거나 이미징에서 파생된 정량 데이터에 대한 질문에 답할 때 사용합니다.
명령줄에서 tooluniverse-image-analysis AI 스킬을 개발 환경에 빠르게 설치
출처: mims-harvard/tooluniverse.
Production-ready skill for analyzing microscopy-derived measurement data using pandas, numpy, scipy, statsmodels, and scikit-image. Designed for BixBench imaging questions covering colony morphometry, cell counting, fluorescence quantification, regression modeling, and statistical comparisons.
IMPORTANT: This skill handles complex multi-workflow analysis. Most implementation details have been moved to references/ for progressive disclosure. This document focuses on high-level decision-making and workflow orchestration.
BixBench Coverage: 21 questions across 4 projects (bix-18, bix-19, bix-41, bix-54)
생산 준비가 완료된 현미경 이미지 분석 및 콜로니 형태 측정, 세포 계수, 형광 정량화 및 이미징 기반 측정의 통계 분석을 위한 정량적 이미징 데이터 기술입니다. ImageJ/CellProfiler 출력(면적, 원형도, 강도, 셀 수)을 처리하고 Dunnett의 테스트, Cohen의 d 효과 크기, 검정력 분석, Shapiro-Wilk 정규성 테스트, 양방향 ANOVA, 다항식 회귀, 신뢰 구간이 있는 자연 스플라인 회귀 및 비교 형태학을 수행합니다. CSV/TSV 측정 테이블, 다중 채널 형광 데이터, 콜로니 군집 분석 및 뉴런 계산 데이터 세트를 지원합니다. 현미경 측정 데이터, 집락 면적/원형성, 세포 수 통계, 군집 분석, 공동 배양 비율 최적화를 분석하거나 이미징에서 파생된 정량 데이터에 대한 질문에 답할 때 사용합니다. 출처: mims-harvard/tooluniverse.
AI/검색 인용용 안정적인 필드와 명령어.
npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-image-analysis생산 준비가 완료된 현미경 이미지 분석 및 콜로니 형태 측정, 세포 계수, 형광 정량화 및 이미징 기반 측정의 통계 분석을 위한 정량적 이미징 데이터 기술입니다. ImageJ/CellProfiler 출력(면적, 원형도, 강도, 셀 수)을 처리하고 Dunnett의 테스트, Cohen의 d 효과 크기, 검정력 분석, Shapiro-Wilk 정규성 테스트, 양방향 ANOVA, 다항식 회귀, 신뢰 구간이 있는 자연 스플라인 회귀 및 비교 형태학을 수행합니다. CSV/TSV 측정 테이블, 다중 채널 형광 데이터, 콜로니 군집 분석 및 뉴런 계산 데이터 세트를 지원합니다. 현미경 측정 데이터, 집락 면적/원형성, 세포 수 통계, 군집 분석, 공동 배양 비율 최적화를 분석하거나 이미징에서 파생된 정량 데이터에 대한 질문에 답할 때 사용합니다. 출처: mims-harvard/tooluniverse.
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-image-analysis 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code, Cursor, OpenClaw에서 사용할 수 있습니다
https://github.com/mims-harvard/tooluniverse