苗条曲线

The SLIM Curve plugin for ImageJ has been discontinued in favor of FLIMJ.

SLIM Curve 是一个指数曲线拟合库，用于荧光寿命成像 (FLIM) 和光谱寿命成像 (SLIM)。它是由 Paul Barber 和 Cancer Research UK and Medical Research Council Oxford Institute for Radiation Oncology 的先进技术小组以及威斯康星大学麦迪逊分校的Laboratory for Optical and Computational Instrumentation 开发的。 SLIM Curve 用于 Advanced Technology Group 的 Time Resolved Imaging (TRI2) 软件以及 ImageJ 的 SLIM Curve 插件中的 FLIM 功能。

SLIM Curve 中有两种用于曲线拟合的算法：

1. 第一种是三重积分方法，可以非常快速地估计单个指数寿命分量。
2. 第二种是 Levenberg-Marquardt 算法或 LMA，它使用迭代、最小二乘最小化方法来生成拟合。这适用于单指数、双指数和三指数模型，以及拉伸指数模型。

SLIM Curve 库代码是用 C89 兼容的 C 语言编写的，并且对于同时拟合多个像素是线程安全的。提供了几个文件作为包装器，用于从 Java 代码调用库：EcfWrapper.c 和 .h 提供 ImageJ 的 SLIM Curve 插件使用的函数调用子集，这些可以使用 JNA 直接从 Java 调用。此外，还有一个 Java CurveFitter 项目，它为 SLIM Curve 代码提供了包装器。这将使用 JNI 以及 loci_curvefitter_SLIMCurveFitter.c 和 .h 调用 C 代码。

安装

SLIM Curve 插件可从“SLIM-Curve”update site 获取。

安装 SLIM Curve 插件后，它就可以在Analyze › Lifetime › SLIM Curve下的菜单中使用。

用法

当您运行该插件时，系统将首先提示您加载生命周期数据文件。 （这应该有一个 .sdt 或 .ics 后缀。）一旦文件加载，就会弹出生命周期图像的灰度版本，该图像是通过对每个像素的所有时间段的光子计数求和而生成的：

这里红色表示光子计数较低的像素，并且将被排除在生成的任何拟合图像之外。该阈值可在用户界面中调整。创建拟合图像时，黄色像素表示拟合错误。在分析拟合图像期间，蓝色像素表示异常值。

十字光标显示当前拟合的像素。这从图像中最亮的像素开始。在灰度图像周围单击适合其他像素。

弹出拟合衰减图，显示像素拟合的结果：

此处的图表显示黑色方块表示随时间变化观察到的光子计数，红线表示拟合曲线。还有垂直的蓝色、绿色和红色线条或光标标记正在安装的衰减区域。衰减图下方是显示残差的图​​，即观察值和拟合值之间的差异。为了获得良好的拟合，残差应具有较低的值范围并呈现随机模式。

用户界面面板也会弹出，允许您控制拟合的设置。在名为 Fit 的用户界面面板的初始选项卡上，您可以选择要执行的拟合和分析类型：

• 区域 允许您拟合整个图像、单个像素、所有像素的总和或灰度图像上定义的每个 ROI 的总和。
• 算法 选择拟合算法。 推荐 SLIMCurve RLD+LMA。这使用快速寿命确定（也称为三重积分拟合）来快速估计拟合参数。然后进行 Levenberg-Marquardt 最小二乘拟合来完善这些估计。
• 函数让您可以在单指数、双指数和三指数拟合分量之间进行选择。拉伸指数拟合可用于表征多个指数寿命分量的分布。
• 噪声模型补偿拟合数据中的噪声。这里的建议是使用最大似然估计噪声模型。这补偿了低光子计数。
• 拟合图像 选择拟合整个图像时生成的输出图像。这些输出图像使用特殊的生命周期 LUT（查找表或调色板）进行着色。您可以为拟合的每个像素选择 A 强度、Tau 寿命、Z 背景和/或 卡方。当您拟合多个指数分量时，您还可以选择 f 分数贡献和 F 分数强度，以及 Tm 拟合 taus 的平均值。对于拉伸指数拟合，您可以选择 H，它表征多个生命周期的分布。
• 对灰度进行着色 是一个将表示每个像素的参数值的 LUT 颜色与灰度图像相结合的选项。
• 分析 允许您选择指定对拟合结果的进一步分析：导出到文本 生成拟合值的文本文件。 VisAD 将拟合数据发送到 VisAD 插件以进行进一步分析。 显示拟合结果 生成包含所有输出图像的单个图像。
• 当源图像有多个通道时，适合所有通道复选框选择是否适合所有通道或仅适合当前通道。

下一个选项卡的标题是光标：

这里列出了拟合光标的位置。有两种游标：

瞬态光标将适合的衰减区域括起来。 瞬态开始对应于拟合衰减图左侧的蓝色垂直线。 数据开始是中间的绿线。 瞬态结束是右侧的红线。在 Fitted Decay Graph 上拖动这些光标线也会更改 UI 的 Cursors 选项卡上的值，并导致当前像素的重新调整。

激励光标包含要在拟合中使用的激励或仪器响应函数衰减的区域。如果加载激励，衰减会显示在仪器响应函数图中，其光标线类似于拟合衰减图：

水平绿线控制激发基线，即激发中包含的最小光子计数。垂直的蓝色和绿色光标线定义激励的开始和结束。 励磁延迟 是瞬态启动 和励磁开始之间的偏移。 激励宽度是激励结束点减去开始点。

为了与 TRI2 兼容，光标值表示为时间值（激发基线 除外，它是光子计数），但该复选框可让您查看衰减直方图中相应的精确索引。

估计光标按钮重置光标，估计当前像素瞬态和激励。还可以通过拖动光标或输入新值来调整它们。如果调整未能优化贴合度，您可以使用“估计光标”按钮返回原始设置。如果加载新图像，则所有设置都不会更改，因此您可能需要使用“估计光标”来查找更适合新图像的光标。

激励 下拉列表用于创建、加载或取消激励。使用激励是可选的，但可以更好地配合。通常，实验者会使用相同的设置创建单独的激发图像，但仅对一些非荧光材料（例如珠子）进行成像。

目前，创建激励需要两个步骤。使用激发寿命图像运行 SLIM 曲线，然后找到合适的像素来使用，也许是默认的最亮的像素。从 UI 的此选项卡中的 Exitation 下选择 Use Current X Y。程序将提示输入名称和保存激发文件的位置。对于第二步，使用“新图像/批次”按钮加载要分析的生命周期图像。现在，在“激励”下拉列表中选择“从文件加载”，然后输入您保存的文件名。当加载激励时，将估计光标。

如果加载了激励，它也会以浅灰色显示在拟合衰减图上：

在 UI 面板的下一个标题为 Control 的选项卡中，您可以微调配合的某些方面：

• X 和 Y 指定最后一个拟合像素的位置。 （您可以通过将“区域”设置为“单像素”并单击“适合像素”按钮或仅单击灰度图像来适合单个像素。）
• 开始和停止选择要安装的开始和结束时间段。
• 阈值 确定给定像素的衰减曲线中拟合该像素所需的最小光子数。
• 卡方目标 控制迭代 LMA 拟合过程将停止的卡方值。 （拟合也会在最大迭代次数后停止。）
• Bin 可以通过对相邻像素的光子进行分箱来补偿较低的光子计数，但会牺牲一些空间分辨率。

用户界面面板的最后一个选项卡是标题为“参数”的部分，它显示并允许您约束拟合参数。该子面板的实际内容将取决于所选的功能。

对于每个参数：

• 标签，例如 A1 或 Tau2 标识参数。
• 文本字段显示该参数的当前值。
• 标有“修复”的复选框可让您在拟合过程中修复该参数的值。
• 减少卡方和AIC 都是拟合优度的度量。 AIC 代表赤池信息标准。与 chisquare 不同，AIC 没有绝对含义，但可用于比较单指数、双指数和三指数拟合以确定哪个模型具有最佳拟合。 拟合单个像素或所有像素求和后，可以在此用户界面面板 Params 部分中查看拟合参数。

SLIM Curve 启动时，UI 的 Fit 选项卡下的 Region 设置为 Image。按“适合图像”按钮将生成在“适合图像”下拉菜单项中选择的图像。 拟合图像下拉菜单中的图像列表随所选的拟合函数而变化，即单指数或多指数。它包括 UI 的 Params 选项卡中显示的拟合参数的组合，以及多指数拟合的分数贡献、分数强度和 tau 均值。

创建拟合图像时，还会弹出直方图工具面板。该面板显示了拟合图像中遇到的值的范围和用于显示这些值的 LUT，以及图像中这些值的分布直方图。

默认情况下，直方图工具以自动模式出现，LUT 范围的开始和结束自动调整为图像中的最小值和最大值，因此您可以看到所有拟合值的分布。这里灰色虚线表示分布的四分位数。如果取消选中此将范围调整为最小/最大值复选框，直方图将根据四分位数范围进行放大。 （这使用 Tukey 的离群值规则：如果 Q1 是第一个四分位值，Q3 是第三个四分位值，则让四分位距 IQR 等于 Q3 - Q1。然后，小于 Q1 - 1.5 * IQR 或大于 Q3 + 1.5 * IQR 的值被视为离群值并被丢弃。）您还可以输入新的开始值和结束值（这对于强加统一的 LUT 范围很有用，以便您可以比较不同的生命周期图像）或只是拖动直方图开头和结尾的标记。

异常像素将显示为黑色像素。如果将光标放在拟合图像中的它们上，拟合值将显示在 ImageJ 工具栏中。 隐藏范围外的像素复选框会丢弃这些离群值，将它们从所有拟合图像和直方图中排除，它们显示为黑色，并且拟合值变为 Double.NaN。该特殊值被排除在拟合图像的任何后续统计测量之外。它们也以蓝色显示在灰度图像上。

对于具有多个通道的图像，还会有一个“显示所有通道”复选框。当您显示所有通道时，直方图会显示所有通道组合的值。最后，对数 复选框将直方图显示为对数值。请注意，此直方图工具经过增强，如果值非零，则始终在非对数模式下显示至少一个像素条形图，以便可以看到异常值。类似地，在对数模式下，如果直方图 bin 计数为 1，则显示比例条形图，以便可以区分 1 和 0 的 bin 计数。

保存/加载默认提示

由于加载/保存文件是用户每次都执行需要的操作，简化了相应过程。无论宏用户想要设置为默认提醒，用户都应该正常加载sdt文件，设置瞬态开始/结束时间提醒文件保存为*irf。然后，用户应从下拉列表中选择“设置为默认值”。这样，具有瞬态开始/结束时间的警告将被保存为默认。一旦需要加载默认时，选择“使用默认警告”即可加载默认。

宏语言支持

SLIM Plugin操作中的所有操作兼容流行的ImageJ macro language。每个按钮、选择、算法选择、分级、噪声模型、下面带有自定义开始结束的默认提示选择都是完全可宏记录的。是典型的典型宏记录，其中用户设置算法、噪声模型、更改瞬时状态时间、加载默认指示、设置chi2目标、固定带宽时间的A值，然后开始初始化。

命令列表如下：

• 使用生命周期（*.sdt 或 *.ics）文件启动插件：

    call("loci.slim.SLIMProcessor.startSLIMCurve", "true", "/Users/msagar/downloads/", "/4t1_740_60xW_zoom4_256_1mg_1_140218_copy.sdt");
    run("SLIM Curve");
  

• 改变算法：

    call("loci.slim.SLIMProcessor.setAlgorithmType", "SLIMCurve RLD");
  

  -设定指数数量：

    call("loci.slim.SLIMProcessor.setFunctionType", "Double Exponential");
  

• 更改噪声模型：

    call("loci.slim.SLIMProcessor.setNoiseModel", "Poisson Data");
  

• 更改参数：

    call("loci.slim.SLIMProcessor.setFittedImagesType", "3");
  

• 设置瞬态开始时间：

    call("loci.slim.SLIMProcessor.setTransientStart", "2.0");
  

• 设置分档：

    call("loci.slim.SLIMProcessor.setBinnning", "3 x 3");
  

• 加载默认提示：

    call("loci.slim.SLIMProcessor.loadDefaultExcitation", "true");
  

• 加载默认提示：

    call("loci.slim.SLIMProcessor.loadDefaultExcitation", "true");
  

• 设置chi2目标值：

    call("loci.slim.SLIMProcessor.setChi2Target", "1.75");
  

• 修复A值（所有“修复”都是可记录的）：

    call("loci.slim.SLIMProcessor.fixA1", "true");
  

• 开始安装：

    call("loci.slim.SLIMProcessor.startFitting", "");
  

• 加载现有的激励文件：

    call("loci.slim.SLIMProcessor.setExcitation", "/Users/msagar/Documents/qwe.irf");
  

• 设置为双指数（组件数量=2）：

    call("loci.slim.SLIMProcessor.setFunctionType", "Double Exponential");
  

• 修复Z以进行双指数导出：

    call("loci.slim.SLIMProcessor.fixZ", "true");
  

  对于批处理，可以记录整个操作过程。宏记录导出值所需的文件名。典型的批处理宏代码如下所示：

• 开始安装：

    call("loci.slim.SLIMProcessor.batchModeSet", "true");
    call("loci.slim.SLIMProcessor.exportFileSet", "pixel.tsv", "histograms.tsv", "summary.tsv");
    call("loci.slim.SLIMProcessor.startBatchMacro", "");
  

  当选择“将直方图导出到文本”或/和“将像素导出到文本”时，将输出导出到也记录在宏中的CSV或TSV文件时。典型的代码如下所示：

  call("loci.slim.SLIMProcessor.exportHistoFileName", "histoGram.csv", ",");
  call("loci.slim.SLIMProcessor.exportPixelFileName", "pixel.csv", ",");
  call("loci.slim.SLIMProcessor.setAnalysisList", "true", "2");
  

  完整的宏示例

将直方图和像素信息导出到 CSV 文件的完整宏示例：

call("loci.slim.SLIMProcessor.startSLIMCurve", "true", "/Users/msagar/downloads/", "/4t1_740_60xW_zoom4_256_1mg_1_140218_copy.sdt");
run("SLIM Curve");
call("loci.slim.SLIMProcessor.setFunctionType", "Double Exponential");
call("loci.slim.SLIMProcessor.loadDefaultExcitation", "true");
wait(1000);
call("loci.slim.SLIMProcessor.setWidthPrompt", "1.8359");
call("loci.slim.SLIMProcessor.setWidthPrompt", "4.8533");
call("loci.slim.SLIMProcessor.setDelayPrompt", "-0.3791");
call("loci.slim.SLIMProcessor.setBinnning", "3 x 3");
call("loci.slim.SLIMProcessor.fixZ", "true");
wait(1000);
call("loci.slim.SLIMProcessor.startFitting", "");
call("loci.slim.SLIMProcessor.exportHistoFileName", "histogram1.csv", ",");
call("loci.slim.SLIMProcessor.exportPixelFileName", "pixel1.csv", ",");
call("loci.slim.SLIMProcessor.setAnalysisList", "true", "2");

批处理模式

一旦您对源图像的完成设置感到满意，您就可以在一系列相似的上图像使用相同的设置。所有图像应具有相同数量的时间段。要进入批处理模式，只需单击“新文件/批处理”按钮并选择一个文件夹或一组图像。将弹出批处理模式 UI：

您可以将像素值、直方图值和统计数据以及汇总直方图值和统计数据导出到文件。这可以是相同的文件或单独的文件。默认值是制表符分隔值，但分隔符允许分隔值。

批处理开始后，将弹出一个窗口，每个生命周期文件的直方图和统计信息，以及摘要直方图和统计信息：

每个源生命周期对于图像 UI 的 Fit 选项卡的 Fitted Images 下拉列表中的参数每个都有一行直方图。单击该行将源图像加载到插件中。

请注意，您不能以批量处理模式开始，您需要首先导入单个图像并确保导入设置合适。

宏示例

dir = getDirectory("Choose Source Directory ");
Dialog.create("Batch Processing");
Dialog.addCheckbox("Export Pixels to Text", true);
Dialog.addCheckbox("Export Histograms to Text", true);
Dialog.addCheckbox("Export Batch Histogram to Text", true);
Dialog.addString("Save as", "", 20);
Dialog.show();
pixels = Dialog.getCheckbox();
histos = Dialog.getCheckbox();
batchHisto = Dialog.getCheckbox();
output = Dialog.getString();
if (pixels || histos) {
    list = getFileList(dir);
    setBatchMode(true);
    okay = call("loci.slim.SLIM_PlugIn.startBatch");
//  if (okay) { // doesn't work
        for (i = 0; i < list.length; i++) {
            showProgress(i+1, list.length);
            call("loci.slim.SLIM_PlugIn.batch", dir + list[i], output, pixels, histos);
        }
        call("loci.slim.SLIM_PlugIn.endBatch");
//  }
}
if (batchHisto) {
    list = getFileList(dir);
    setBatchMode(true);
    call("loci.slim.SLIM_PlugIn.startBatchHisto");
    for (i = 0; i < list.length; ++i) {
        showProgress(i+1, list.length);
        call("loci.slim.SLIM_PlugIn.batchHisto", dir + list[i], output);
    }
    call("loci.slim.SLIM_PlugIn.endBatchHisto");
}

###使用分类进行细分

对于某些特定的应用程序，您可能需要分析生命周期图像中的特定片段。特别是，Fiji 的 §§5§§§ 插件对于基于机器学习的图像分割非常有用。我们使用可以特定训练实例的一张图像来训练分类器，然后使用该分类器来分割图像其他。通过分层数据，我们可以创建一个角色，并使用 ROI 管理器，我们可以覆盖 ROI 来分析的不同部分。使用分类进行分割的步骤是：

1. 使用 SLIM Curve 插件打开生命周期图像。
2. Train the classifier使用可训练的Weka分割。
3. 创建实例以使用所需的类数据来训练分类器。 4.点击“训练分类器”按钮来训练分类器。
4. 选择“创建结果”来创建分割图像（您可以保存分类器以供以后使用）。 6.使用阈值工具对图像进行阈值处理，删除不需要的区域。 7.运行“创建蒙版”和“创建选区”命令来创建ROI。您可以使用search bar（按T）轻松执行命令。
5. 按L将 ROI 添加到 ROI 管理器。将其与寿命图像平均值并开始分析。

###结果比较

SLIM Curve 插件的结果与 SPCImage 等寿命分析软件进行了合理的比较。以下是使用 SPCImage 和 SLIM 曲线获得的寿命之间的比较小，香用于豆素 6 染料的寿命分析。已分析的寿命图像可在here中找到，用于产生的预测的尿素图像可在here中找到。严格设置在 1.5 至 5.2 ns之间。（Z）固定为0.7。进行了单部件。分箱为3x3。结果表明，对于随机选择的5个点，从SLIM曲线获得的寿命值与从SPCImage获得的值超出0.5%-2%。下面给出了相同位置的寿命。

获取帮助

如果您有疑问，请在 Image.sc Forum 和 slim-curve tag 上提问。