Key points are not available for this paper at this time.
La technologie en microscopie progresse rapidement, permettant un imaging biomédical quantitatif de plus en plus abordable, rapide et précis, ce qui nécessite des techniques de traitement et d'analyse d'images correspondamment plus avancées. Un large éventail de logiciels est disponible, des logiciels commerciaux aux logiciels académiques, de ceux à usage spécial à ceux de type couteau suisse, de petits à grands - mais une caractéristique clé des logiciels adaptés à la recherche scientifique est leur accessibilité. Les logiciels open-source sont idéaux pour les efforts scientifiques car ils peuvent être librement inspectés, modifiés et redistribués ; en particulier, la plateforme de logiciel open-source ImageJ a eu un impact énorme sur les sciences de la vie et continue de le faire. Depuis son lancement, ImageJ a connu une croissance significative en grande partie grâce à sa disponibilité gratuite et à sa communauté d'utilisateurs dynamique et utile. Des scientifiques aussi divers que des amateurs intéressés, des assistants techniques, des étudiants, du personnel scientifique et des chercheurs avancés en biologie utilisent quotidiennement ImageJ et échangent des connaissances via sa liste de diffusion dédiée. Les utilisations d'ImageJ vont de la visualisation de données et de l'enseignement au traitement d'images avancé et à l'analyse statistique. L'extensibilité du logiciel continue d'attirer des biologistes à tous les stades de leur carrière ainsi que des informaticiens souhaitant mettre en œuvre efficacement des algorithmes de traitement d'images spécifiques. Dans cet article, nous utilisons le projet ImageJ comme étude de cas sur la manière dont les logiciels open-source favorisent leurs ensembles d'outils logiciels, rendant des technologies d'analyse d'images facilement accessibles à la communauté scientifique. Nous explorons spécifiquement ce qui rend ImageJ si populaire, comment il impacte les sciences de la vie, comment il inspire d'autres projets, et comment il est auto-influencé par des projets coévoluants au sein de l'écosystème ImageJ.
Schindelin et al. (2015) ont étudié cette question.