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！
RETINA 分析工具包 是专为斐济 (ImageJ) 设计和开发的免费宏工具包。先进的分析工具包的目的是对通过荧光显微镜采集的冷冻切片的数字 RGB 图像进行快速定量。这些工具包的当前组件是：TUNEL 细胞群体和 RETINA 细胞热图。
TUNEL 细胞成分
TUNEL细胞成分是一种可定制的工具，可处理冷冻切片的数字图像。它分割成外核（ONL）和内核层（INL），将这些层中的荧光标记的细胞进行定量显示。 <div class="thumbnail" >
Settings Dialog: Input the spatial scale obtained from the image metadata or microscope.
</div>
所需组件
执行该工具需要满足以下条件：
- TUNEL Cell Counter：宏应安装在斐济 (ImageJ)。
- 数字图像：文件应为 TIFF 格式。
- 显微镜空间刻度：像素/微米。
- 像元大小和最大像元面积 (μm2)：这些值应根据图像数据集预先确定。设置空间比例因子后，可以使用徒手选择工具在斐济执行这些测量。
使用方法：2分钟教程
处理设置
Settings Dialog: Input the spatial scale obtained from the image metadata or microscope.
After importing a TIFF image and executing the counter, the following settings should be selected:
- 细胞放大倍数：显示20倍物镜工作放大倍率。
- 图像分辨率：显示导入的图像分辨率。
- 间距空间比例：输入当前图像比例（以像素/微米为单位）。
- 重新缩放图像选项：如果图像宽度大于1300像素，则重新缩放以加快图像处理速度。重新缩放的将保存为副本。
- 最小和最大细胞面积：输入测量前并选择的各自值。
- 单元圆度：如果选择“全部”，则将计算所有阈值单元（圆度 0-1）。如果选择“Mostly rounded”，则形成大多数圆形细胞进行统计（圆形度 0.5-1.0）。如果选择“Mostly not round”，则形成大多数非圆形细胞进行统计（圆形度 0.0-0.5）。
- 加速区域选择：在自动ONL和INL分割或手动徒手选择之间进行选择。
- 阈值阈值：在标准和高阈值之间进行选择，您需要检测低强度值的细胞。
- 通道：在绿色、红色或组合通道中选择感兴趣的细胞。
- 帮助：直接链接到本网站。
|
style="vertical-align:top"| 
**Retina Area Selection**: Choose between automated or manual segmentation.
|
style="vertical-align:top"| 
**Cell Roundness**: Select the desired morphology for cells.
|
style="vertical-align:top"| 
**Threshold Sensitivity**: Select the threshold protocol for cell counting.
|
结果
处理生成后的图像将其保存在新目录中。结果保存为Excel (.xls)文件。
限制
1.采集：该宏设计用于使用20x/0.8空气物镜采集图像。我们认为这种放大倍率最适合评估相当大的区域，而不会丢失细胞形态细节。 2.染色质量：图像需要具有强烈的细胞染色和低背景噪声。
- 图像焦点：图像焦点不均匀会导致图层分割不完整。
- 无法区分的先进层：宏无法区分ONL和INL，如果你也不能的话！
- 未居中的图像：为了获得最佳效果，请采集位于框架中央的图像。
- 明显的阴影：阴影会渲染不完整的图层配置。
要了解适合该宏的图像，我们建议查看用于验证的图像数据集：
:*TUNEL Cell Counter Repository
常见问题解答
1.问：我可以修改来源代码吗？
- A: Yes, you can modify the code to develop new macros or plugins. Please acknowledge previous work that helped or inspired you, and share your contribution with the scientific community!
2.问：我使用这个工具进行研究。我应该承认吗？
- A: Please cite or reference this work as follows: Maidana DE, Tsoka P, Tian B, Dib B, Matsumoto H, Kataoka K, Lin H, Miller JW, Vavvas DG. A Novel ImageJ Macro for Automated Cell Death Quantitation in the Retina. Invest Ophthalmol Vis Sci. 2015;56:6701–6708. <DOI:10.1167/> iovs.15-17599.
3.问：无法准确分割或统计。有什么建议吗？
- A: Check your acquisition and post-processing parameters for the channel of interest. First, reduce background as much as possible to remove any fragments. Next, adjust saturation until cells are easily identifiable. Apply the same settings to the entire dataset if comparison is intended.
未来发展
是的，我们知道还有很多需要改进的地方！ 如果您对图片有任何意见、建议或任何困难，请给我们留言！
参考文献
- Maidana DE、Tsoka P、Tian B、Dib B、Matsumoto H、Kataoka K、Lin H、Miller JW、Vavvas DG。用于驱动自动细胞死亡定量的新型 ImageJ 宏。 Invest Ophthalmol Vis Sci。2015；56：6701–6708。<DOI:10.1167/> iovs.15-17599。
