免疫组织化学(IHC)图像分析工具箱
安装IHC 工具箱,需要安装ImageJ 1.40或更高版本。你可以使用小编提供的最新版本的ImageJ。(截至发文前)
:::block-1
ImageJ 软件下载
- ImageJ for Windows
链接:https://pan.baidu.com/s/1v9pXegaU8Lps0CaT3ZYx2A?pwd=yp23
提取码:yp23
- ImageJ for MacOS(Intel)
链接:https://pan.baidu.com/s/1LyBa-fWtfTVLo7OWTF84HA?pwd=yp23
提取码:yp23
- ImageJ for Windows (Apple M)
链接:https://pan.baidu.com/s/1G4Q2kHyPWR05fc_blTN4Rg?pwd=yp23
提取码:yp23
IHC_Toolbox下载地址在本文末尾,无需在后台回复内容下载。
:::
IHC 插件详情
我们使用适用于不同类型IHC图像分析的半自动方案开发了该工具箱。它可以检测IHC图像中的基本成分,并且对于研究人员进行进一步分析非常有用。用户创建的模型和参数可以保存并传输给不同的用户,以便在不同的实验室中重现检测结果。该工具中包含的功能是半自动颜色选择、自动统计颜色检测、自动细胞核分割和自动腺体检测(定位候选腺体的边界框并需要进一步分类,例如支持向量回归 (SVR)。
安装方法
将下载好的IHC_Toolbox.jar
拖放到“ImageJ”窗口或使用Plugins
->Install
命令下载并安装。
使用说明
-
对于颜色检测,半自动颜色选择和自动统计颜色检测模型的功能组合在一起。颜色选择用于在消除背景色像素(设置为 255)时选择和保留正色像素。然后,根据这些保留的正彩色像素的直方图创建统计颜色模型。
-
自动细胞核分割用于检测DAB染色图像中的阳性染色细胞核。特别适用于严重聚集的细胞核的分离。预定义的参数包括窗口大小为 25x25(核的一半大小)像素,最小大小约束为 150 像素,最终大小约束为 150 像素。这些参数是为我们创建的数据集(核数据集)中聚簇核的分割而设置的。您可以根据数据集自定义这些参数。
-
压盖检测可以自动检测IHC图像中的候选腺体结构。您可以将生成的文件保存为.txt格式,并根据需要对其进行命名,例如 sample1.txt。此文件包含检测到的边界框的左上角和右下角坐标。最终结果图像包含这些边界框,可以通过ImageJ过程,图像计算器,操作:AND或XOR与原始图像组合。
菜单选项
如图所示,
界面中有5个按钮,例如训练,读取用户模型,颜色,细胞核和腺体以及保管箱Select_Model。这些函数描述如下。
:::block-1
训练(Training)按钮用于选择和过滤掉不需要的颜色像素(如以下训练过程所示)。
投递箱(Drop box)可以读取系统预定义的模型,例如 H-DAB 颜色检测模型。
读取用户模型(Read User Model)按钮可以读取用户定义的模型。
颜色(Color)按钮可以根据读取的颜色模型检测污渍颜色。
细胞核(Nuclei)按钮可以对阳性细胞核进行分割和定量。正核由读取颜色模型确定。
压盖(Gland)按钮可以导出包含候选腺体的左上角和右下角坐标的 txt 文件。
:::
训练过程
此训练过程是训练基于视觉选择的颜色像素的统计颜色检测模型。您可以通过 imageJ 中的矩形工具选择感兴趣区域 (ROI) 并按主面板上的训练按钮来开始训练。
左图是原始DAB染色彩色图像,右图是结果图像。使用子面板(颜色选择器)中显示的滑动条,您可以直观地确定结果图像中的保留颜色像素。保留图像的所有所需颜色像素后,您可以通过按“颜色选择器”面板中的“收藏”按钮来记录它们。然后自动计算和创建模型。通常,训练阶段需要重新选择多个训练样本的ROI,以获得目标颜色的各种阴影。您可以关闭收集的图像并重新打开新图像。添加新的训练图像后,将根据累积的直方图自动重新计算模型。
在收集训练样本结束时,可以保存创建的统计模型(使用颜色选择器面板中的“保存模型”按钮)并重新用于后续检测。建议将模型保存为.txt格式。请查看我们在模型文件夹中创建的模型。这些模型文件是预定义的颜色模型,用于检测DAB染色的棕色,含有弹性蛋白的肝脏样品中的棕色和天狼星读取(SR)染色的粉红色。用户可以在训练步骤中定义自己的模型,并将其放在“用户模型”文件夹中。
通过选择这些模型或更改新模型,您可以按主面板上的“读取用户模型”按钮逐个读取它们。“读取模型”按钮设置为读取用于棕色检测的默认模型 H-DAB.txt。
颜色检测
读取一个颜色检测模型(例如,H-DAB.txt)后,只需按下主面板上的“颜色”按钮即可。然后该工具将在创建的新窗口中生成检测到的结果。
细胞核检测
对于细胞核分割和定量,您可以在按下细胞核按钮之前设置这些参数。定量包括计数正细胞核和椭圆拟合的细胞核分割。相反,轮廓绘制在检测到的阳性核的边缘。除非设置自定义参数,否则将自动处理此细胞核分割和定量功能。在量化到细分过程之间切换,您可以通过下拉菜单选择订单。
为了估计细胞核分割的参数,您可以使用imageJ中的方形工具和椭圆工具。左侧的图像由 44x44 正方形拟合,右侧图像由内部有 908 像素的椭圆拟合。对于窗口大小参数,最好设置为 25 像素(窗口的一半大小),这可能覆盖所有原子核的大小。而种子大小,对应于最小大小约束,应该是小核的一半。在我们的数据集中,细胞核的大小从 300 像素变为 900 像素,我们将 150 像素设置为种子大小。
压盖检测
左边的图像是原始的IHC图像,右边的图像包含检测到的候选腺体结构的边界框。并且会生成一个txt文件,您可以根据需要保存并命名它,例如“sample1.txt”。此文件包含检测到的边界框的左上角和右下角坐标。最终结果图像是那些边界框,可以通过 ImageJ 处理>图像计算器>操作:AND 与原始图像联合。
为了估计腺体检测的参数,您可以使用imageJ中的方形工具。示例腺体中拟合的正方形为 108x94。重建开放半径取决于内腺体区域的大小。我们为数据集设置了 40 像素的平均半径。高斯模糊和方差的半径可以根据具体环境改变。此外,这种腺体检测方法也可以应用于H&E染色图像,例如
下载地址
:::block-1
- 百度网盘
https://pan.baidu.com/s/1VhGi5OQML05ki55XpWpd4w?pwd=yp23
提取码:yp23
如果你遇到了问题,你可以添加微信YP_31571获取帮助。
:::
参考文献
-
Jie Shu, Guoping Qiu, Mohammad Ilyas and Philip Kaye. Biomarker Detection in Whole Slide Imaging Based on Statistical Color Models. The MIDAS Journal- Computational Imaging Biomarkers for Tumors (CIBT), http://www.midasjournal.org/browse/publication/758, 2010
-
Immunohistochemistry Analysis Jie Shu Guoping Qiu, Mohammad Ilyas, G. Dolman. A Semi-Automatic Image Analysis Tool for Biomarker Detection in Immunohistochemistry Analysis. International Conference on Image and Graphics (ICIG). pp. 937-942, 2013
-
Jie Shu, Guoping Qiu, Philip Kaye and Mohammad Ilyas. Segmenting Overlapping Cell Nuclei in Digital Histopahology Images. 35th IEEE Engineering in Medicine and Biology Society (EMBC). pp. 5445-5448, 2013文章来源:https://www.toymoban.com/news/detail-796426.html
-
Jie Shu, Hao Fu, Guoping Qiu and Mohammad Ilyas. An Efficient Gland Detection Method Based on Texture and Morphological Transformation. Medical Image Understanding and Analysis (MIUA). pp. 173-178, 2013文章来源地址https://www.toymoban.com/news/detail-796426.html
到了这里,关于ImageJ | 免疫组织化学(IHC)图像分析工具箱 | 下载地址 | 安装教程 | 使用教程的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!