图像分析的重要性
一项《Nature》对1576名研究人员的调查结果显示,超过七成的研究人员无法重复其他科学家的实验结果,超过半数的研究人员甚至无法重复自己的实验结果。
而对于这些不可重复的结果,有半数的被调查科研人员认为其可能造成严重的“重复性危机”。究其原因可以发现,除去因为选择性报告和出版压力之外,统计分析能力占据了显著的位置。
▲ 重复实验的失败因素 Baker, M. Nature 533, 452–454 (2016).
为了更形象的理解这个问题,我们来看一个例子:下图是我们对细胞核进行计数分析,左侧是手动计数,不同研的究人员或者不同的时间都会导致统计结果发生偏差。而右侧自动计数则不会。这就是影响实验重复性的一个重要因素——图像分析过程。
▲ 统计分析时手动测量对比自动测量
自动分析测量的基本步骤
为了解决这个问题,自动分析测量逐渐成为图像处理过程中越来越重要的一环。那么蔡司是如何进行自动测量的呢?首先我们需要ZEN具有“Image Analysis”的图像分析模块。
该模块以“Step by Step”的模式逐步引导各位研究人员进行数据分析。一般使用自动分析模块,需要7步设置能够获得最终结果。为了方便大家理解我们把其中步骤简化为以下4个部分:
▲ 一般自动分析测量步骤
✓ “预处理”是为了在进行“图像分割”前让图像的信噪比或者边界更加清晰;
✓ “图像分割”和“测量参数”则是整个分析过程中最重要的两步。
“图像分割”这一步需要确定我们要测量的对象——确定哪里是样品的边界,怎么区分两个不同的样品——如何通过一些细微的差异来区分看起来相似的部分;
“测量参数”则是我们关注的分析结果,决定了我们要给出的推导结果。
✓“数据呈现”则是选择更好的结果展示方式来帮助其他研究员理解分析结果表达的含义。
ZEN的不同自动测量方法
✓ZEN的Image Analysis模块
通过这4个部分,我们最终可以获得重复性高的测量结果。那么实际Image analysis是如何来做测量的呢?下面来看一个细胞计数的实例:
▲ ZEN Image Analysis 图像自动测量细胞核数量和单个细胞核荧光强度
✓ZEN的BioApps模块
可以看见在实际测量过程中,我们需要大概7步才能获得最终测量结果。这是因为Image Analysis的设计是为了满足不同图像测量分析需求设计的。
而对于细胞计数这样简单的测量,很多步骤我们直接跳过或者设置比较简单。为了适应这些常见的测量方式,蔡司推出了BioApps的测量模块,常见的图像测量可以做到一步获得结果。
▲ ZEN BioApps 细胞计数模块
上述的测量方法能够大家经常会遇到的情况。但是随着实验的复杂,简单点的“图像分割”方法已经不能满足需求。我们需要把一些颜色相近,亮度相似,仅仅是形状和纹路有些差异的结构要分割出来。此时我们需要Machine Learning来帮助。
✓ZEN Intellesis模块智能分割
▲ ZEN Intellesis模块介绍
Intellesis模块也是蔡司ZEN软件的一个模块,利用人工智能,当遇到我们想分割的图像时,简单标记一下不同的区域,Intellesis会依赖机器学习原理帮助大家将不同的研究区域分割开来。然后进一步利用Image Analysis模块去统计分析分割好的区域。
依赖我们现有的Image Analysis和Intellesis模块,已经可以解决绝大部分的分析应用,而这些分析不仅包括光镜拍摄的图像,例如共聚焦,荧光显微镜,还可以分析例如X射线显微镜,电镜拍摄的图像。
▲ ZEN Intellesis可以分割不同类型显微镜拍摄的图像
看了这么多图像分析方法和功能,有没有发现哪款适合你呢?对于图像分析,您又有哪些经验呢?欢迎在留言区留下您的看法。
相关 · 阅读
创新科技|蔡司 ZEN Connect通过跨尺度连接信息,洞察新发现
(蔡司显微镜)
声明:本网站所收集的部分公开资料来源于互联网,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题,请第一时间告知,我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容,以保证您的权益!联系电话:010-58612588 或 Email:editor@mmsonline.com.cn。
- 暂无反馈