应使用什么算法来查找图像之间的空间相关性？

Question

我正在研究分析数据集，我想知道在统计上最有效的方法证明不同图像中的点之间存在强烈的空间相关性。

我的数据集有大约50对癌组织样本的图像。每对中的第一图像显示金纳米颗粒的位置，第二图像显示相同组织样品中血管的位置。通过观察图像，很容易看出纳米粒子的位置与血管匹配良好，但我想在论文中对此进行统计证明。这是一个重要的观点，因为它表明纳米粒子特异性结合癌区而不是正常组织。

我一直在研究不同的统计数据，例如简单的线性相关或更复杂的东西，如Moran的I统计量。但是，我还没有找到任何可以很好地用于图像间相关性的东西。

Answer 1

我会测量每个金颗粒和最近的血管之间的距离。平均所有粒子的这些最小距离 - 这是您的统计数据。这可以对所有50对完成，然后可以再次对50个数字进行平均。得到的标量代表整个数据中最接近血管的金颗粒的平均距离。

你怎么知道它是否重要？为了产生零分布，对图像进行混洗，使得每个金颗粒图像将与随机选择的血管图像配对。再次测量统计数据。重复这个~10000次。平均距离等于或小于实际未洗涤距离的迭代百分比是您的p值（包括样本中的原始排列以确保正确的覆盖概率）。

Answer 2

我认为相关性可能对您有用。对于灰色图像，您可以对其进行矢量化并使用xcorr或corrcoef函数来获取相关性。对于RGB图像，如果您想要三个通道的所有细节，您可能需要使用MuPAD Notebook接口，其中plot::Raster将RGB值转换为2D矩形网格。然后你可以实现相关性。

GNP结合的另一种可能的量化是应用血管分割，并使用结果作为掩模，然后计算回忆/精确度（假阳性与假阴性）作为GNP结合血管的能力的指示。