ImageJ计算聚集的细胞

Question

我一直在尝试制作用于计算图像中单元格的宏。但是，我很难去除单元格之间的重叠，以及程序区分块。

run("8-bit", "stack"); 
run("Subtract Background...", "rolling=5 light sliding stack"); 
run("Median...", "radius=1 stack"); 
run("Unsharp Mask...", "radius=0.8 mask=0.50 stack"); 
run("Invert LUT"); 
run("Auto Threshold", "method=Yen white stack"); 
run("Erode"); 
run("Erode"); 
run ("Watershed"); 
run("Analyze Particles...", "size=200-2000 circularity=0.50-1.00 show=[Count Masks] display exclude clear summarize add in_situ");

我在一堆图像上使用宏。

我也尝试过使用GreyscaleReconstruct，但我也没那么成功。我用过这段代码

run("Open..."); 
selectWindow("A.png"); 
setBatchMode(true); 
a=getTitle(); 
run("8-bit"); 
run("Invert LUT"); 
run("Gaussian Blur...", "sigma=2"); 
run("Duplicate...", "title=_seed"); 
run("Minimum...", "radius=3"); 
run("GreyscaleReconstruct ", "mask="+a+" seed=_seed create"); 
imageCalculator("Subtract create", a,"_seed"); 
selectWindow("Result of "+a); 
rename("WhiteTopHatReconstructed"); 
run("Auto Threshold", "method=Otsu white"); 
setBatchMode(false); 
run("Analyze Particles...", "size=200-2000 circularity=0.50-1.00 show=[Count Masks] display exclude clear summarize add in_situ"); 

请求帮助（使用第一个或第二个代码！）谢谢！ :)

以下是我正在分析的内容的图像。

Answer 1

重叠对象可能是一个棘手的问题。 Fiji wiki page on Segmentation讨论了两种主要的图像分割方式：Trainable Weka Segmentation插件，以及更灵活的基于宏的工作流程。到目前为止，您的尝试更多地属于后一类。在你的情况下，我建议尝试给前者。

我使用了Trainable Weka Segmentation进行了一些尝试，得到了一些潜在的，但仍然不够好的结果：

我将图像分为四类：背景，中心的暗区（“blob”），细胞本身（“1级”）和贯穿每个细胞的中线（“2级”）。我的想法是隔离那些中线，因为从中它们更容易找到细胞中心，并且你的细胞形状非常规则。一旦你有了中心，重叠细胞的问题就会大大消失。由于中线是方向性的，你甚至可以计算细胞方向的角度，如果这对你的分析有用的话。

这是一个只有2级的面具：

不幸的是，在我第一次尝试时，单元格边界也被训练为第2类，但是通过更多调整可能可以消除这个问题。您还可以在Settings对话框中控制用于分类的图像特征，这可能有助于分类。

一旦你有一个足够好的分类器，你可以保存它（Save classifier）并批量应用于更多的图像（Apply classifier）。所有可训练的Weka分段也可以从脚本和宏中使用，因此如果需要，您可以将它与一些预处理和/或后处理相结合。

如果你不能让第2级停止识别一般的膜，你可以跟进通过分析该特定形状的面膜本身，将二进制细胞轮廓形状归结为细胞中心。也许有一个形态学运算符会在这里提供帮助，但我不是专家，所以我建议在ImageJ mailing list询问几个这样的专家所读的内容。

您可以查看哪些可能有助于您的分析的项目是CellProfiler。它提供了一套出色的图像处理模块，它们还有一个出色的响应式论坛，您可以在这里寻求有关此类特定数据的帮助。