原始 MediaWiki 页面

我知道编辑这个网站吗?

分水岭分离

自迁移出 MediaWiki 以来,本页内容尚未经过审查。如果您愿意帮忙,请查看帮助指南

分水岭分离是一个将连接的组件分割成 单独的。它通常适用于细胞核等溶液状结构。

接触DAPI染色细胞核图像的分水岭分离 - 教程

###问题简介

  • 用于细胞检查的一种非常常见的生物样本是细胞核中 DAPI 染色的DNA。染色很好勾勒出细胞核的图像,在心血管细胞中,DNA然而,染色并不均匀,因为均匀经常地或少细胞聚集的区域。这使得原子核呈现出粒状。更重要的是,在许多对发育生物学感兴趣的组织中,细胞排列依次,并且主要由细胞组成,将它们分开的细胞存在质很少。原子核似乎相互接触,但实际上,它们当然不可能。它们之间至少有两层膜,但光学细胞无法区分。 §§0§§§比膜的宽度很大!更严重的是,图像噪声很大,它是在共焦激光扫描仪上快速扫描而成的,其本身的信噪很低。这使得物体的边缘变得模糊,并增加了每个像素的强度值的不确定性,使得正确分割变得更加困难。
  • 所以,我们面临着能够分离明显接触的、嘈杂的物体的问题:-(
  • 幸运的是,有一种方法可以做到这一点。分水岭法。
  • 好吧,那么我们如何去噪、分割、分水岭(分离接触的物体),然后对斐济的物体进行计数/测量呢?继续阅读…

    打开示例图像

    -打开sample image of touching DAPI stained cell nuclei from a confocal laser scanning microscope. nucleidapiconfocal -在运行上Gaussian Blur filter以模糊“染色”,实际上是暂停分配的统计“光子PSF”,并且还可以均匀消除核染色的不均匀性。对于这个任务,我们将使用更大的西格玛值3。西格玛值太小意味着分割将受到噪声和染色模式的影响您的干扰。西格玛值太高,物体会太模糊,从而菜单难以准确地找到它们的边缘并在以后将它们分开。运行命令:处理-以太网-高斯模糊,sigma为3个像素。还可以预览其他值以查看它们的外观。您应该得到如下图图像的: nucleidapiconfocalgauss3pxsigma

    像素强度阈值 - 前景区域找到区域

  • 接下来我们使用像素强度阈值将对象与背景分开。斐济有许多内置的§§0§§§方法,尝试区分背景和前景。在这种情况下,默认方法效果很好,但你会看到一个长串方法,这些方法为图像提供了不同的阈值结果。如果你愿意,可以使用不同的方法。最终你可能会得到不同的答案!
  • 执行菜单命令“图像”-“调整”-“阈值”。打开“深色背​​景”复选框。事实上,在这种情况下背景是黑暗的!当您启动菜单命令时,将自动预览默认方法,并设置一个接近 100 强度的阈值。如果您对自动计算阈值感到满意,请单击“应用”,这将为您提供二进制图像。黑色是背景,白色是前景。它应该看起来像这样: nucleidapiconfocalautodefaultthresh
  • 到目前为止一切顺利…但我们仍然没有对象…只有背景和前景像素。而且很明显,一些原子核与相邻的原子核相连……我们希望将它们分开。为此,我们将使用斐济内置的分水岭方法:

    分水岭算法 - 剥夺触摸对象

  • 要运行内置的ImageJ watershed method,请菜单项:进程 - 二进制 - 该方法对象每个的中心(使用形态概览操作),然后计算从对象中心点到对象边缘的距离图,找到假想的水填充该“顶部图”。在两个“分水岭”相遇的地方,它建造了一个水坝,将它们分开!人们可以手动完成所有这些步骤,但分水岭功能可以自动为您完成这些步骤,这很好。您的分水岭应如下所示: nucleidapiconfocalwatershed
  • 注意原子核是如何相互分离的。此方法仅适用于大致圆形的物体。为什么?

分析分割的对象

  • 现在你有一组白色像素的白色前景块,周围是黑色背景像素区域,并且用我们分水岭隔离了触摸对象,这个在对象之间放置了一个像素宽的“水坝”。

  • 接下来,我们斐济运行分析工具来定位白色像素块并对其进行统计。……该工具白色背景上的黑色对象或在包含必需对象的图像上设置阈值。要获取在,请执行“编辑”-“参数”,或者要对二值设置图像阈值,请执行“”-“调整”-“阈值”(由于图像现在必须包含两个强度(0和) 255),默认阈值当然是正确的,并且对象显示为阈值红色,当然再次为黑色背景)。

  • 现在使用下面屏幕截图中的设置选择菜单项AnalyzeAnalyze Particlesnulceidapiconfocalanalyzeparticles
  • 您可以过滤掉不同大小的颗粒。例如,您可能只对大型物体感兴趣,例如原子核。您可以因此排除那些您知道是垃圾的小物体。更改区域编号范围中的“大小”字段,看看会发生什么。

  • 您可以通过将圆形范围数字更改为0.8-1,选择仅对那些非常圆形的物体进行计数。您也可以寻找非圆形物体!如何?玩一下它,看看它会做什么。

  • 使用意义显示单一,或者如果愿意的话可以测试其他选项。您的排除边缘非常聪明。这意味着您不会从图像边缘被切掉尺寸的对象中得到无的结果,因此当然比实际要小。

  • 您可以通过打开“添加到管理器”将所有对象添加到ROI管理器。然后,您可以使用这些ROI来测量原始图像对象中的信号强度。您能弄清楚该怎么做吗?

  • 另外输出许多有用的统计数据: nulceidapiconfocalsegmentationresults