この際、最も困難なことは、画像の中からターゲットとする特定の臓器、組織、病巣(腫瘍や特徴的な広がりを持つ炎症など)や細胞などをコンピュータによって自動抽出することです。この抽出方法(セグメンテーション)については、多くのアルゴリズムが論文などで紹介ますが、lmageJのセグメンテーションのためのプラグインも多く紹介されています。
lmageJでの実践を交えて説明していきます。
画像の形状特徴量の計測方法として、ImageJの代表的な機能を紹介します。あらかじめ、画像の大きさなどが既知の場合、ImageJのAnalyze>Set Scaleで画素値と実測スケールが正しいかチェックしましょう。次に、2値画像の特徴量として計算可能なものを、Analyze>SetMeasurementsのパラメータの中から選んでチェックボックスをオンにします。図に、胚細胞のImageJサンプルデータ（Rat_Hippocampal_Neuron）の細胞形状の特徴量計測例を示します。
このようなさまざまな指標によって、細胞の形状特徴量を測定した結果を定量的に観察し、することができます。
以下、チェックした特徴量の一部を簡単に解説します。
①面積（Area）
画像の特徴量の面積は、画素数を数えることにより求められます。2値化した画像の対象(黒または白画素)の場合は、ヒストグラムから各濃淡値のピクセルカウントを確認できます。
②周囲長（Perimeter）
周囲長は、まず境界追跡アルゴリズム（Snakeなど）を用いて境界を求め、画素の長さを加算していきます。このとき、斜め方向に隣接する画素をルート2倍にするなど、誤差補正が必要です。
2値画像での2点間距離は、一般的な数学で使用されるユークリッド距離や、4近傍 (上下左右)処理によって2点間で接する画素を追っていく方法(4近傍距離または市街地距離と言う)、および8近傍処理によって2点間で最も接する面積が多い画素を追っていく方法(8近傍距離またはチェス盤距離と言う)で求められます。
ImageJでは、Bounding Rectangle (限界長方形：選択枠の最小長方形)という指標もあり、出力結果では、BX、BY、Width、Heightという値が結果テーブルに表示されます。BX、BYは、長方形の左上の角の座標を示しています。
③楕円指標（Fit Elipse）
ImageJでは,メニューのAnalyze>Set ScaleのFit Elipseに相当します。セグメンテーション後の境界枠に適した楕円を計算し、Major(長軸)、Minor(短軸)、Angleが指標として出力されます。MajorやMinorは、最も適する楕円の第1軸、第2軸で、Angleは画像のx軸と平行な線と、楕円径の第1軸と交わる角度を示します。
Set ScaleダイアログにあるPixel Aspect Ratioの値が1.0で有効となり、それ以外のときは使用できません。
④円形度（CircularityまたはRoundness）
対象がどれだけ円に近いかを表す尺度のことで、面積をS、周囲長をLとしたとき、4πS/L2乗で計算されます。対象が円である場合は1.0で、複雑になるにしたがって数値が下がります。
⑤2点間最大距離（Feret’s Diameter）
ImageJでは、“フェレーの直径(Feret’s Diameter)”という名称で実装されています。選択枠内の任意の2点間の最大距離を計測します。
一般的に、モーメントとは物体を回転させる力の大きさを表しますが、これを画像の統計量として捉えて、特徴量抽出に利用することもできます。
2値画像のモーメント特徴とは、画素の位置の重みづけをして合計した数値です。モーメントは、多値画像においても、ImageJを用いて画素値の平均値の周りの1次モーメントから4次モーメントまで特徴量を簡単に計測できます。
2値画像のモーメントは、ImageJでは標準では実装されていない特徴量ですが、重要な指標ですので簡単に説明します。
画像のモーメントは、一般的に次式で定義される(p+q)次のモーメントM(p,q)を用いて計算されます。
ここで、fijは画素値であり、対象の画素は1で、対象より外側のバックグランドは0です。
重心座標(I,J)を決定する場合、I = M(1,0) / M(0,0)、J = M(0, 1) / M(0,0)がよく用いられます。主軸の方向を示すtanθは、対象画像が伸びている方向を表し、次式によって計算されます。
ImageJのプラグインでは、ジョンズ・ ホプキンス大学でからMomentMacroJマクロとして紹介されているので、試してみてはいかがでしょうか。(http://www.hopkinsmedicine.org/fae/mmacro.html).
※テキストをダウンロードして、ImageJのプラグイン>マクロからインストールでダウンロードしたテキストファイルを選択します。これで、マクロのリストに加わるので、もう一度プラグインのマクロから選択して起動します。
（補足）
参考記事に別のプラグインの紹介があるので、こちらでもご紹介いたします。
ImageJを用いた拡散テンソル画像処理プラグイン
https://sites.duke.edu/dblab/jdti/#comment-34
このプラグインは教育や研究用に配布されています。
入手するには、上記ページからリクエスト（コメント）を送信して承諾してもらう必要があります。
テストデータも入手できますので、勉強には最適ですね。
さて、次回は特徴量解析の少し専門的な技術をご紹介します！
Reference
lmageJでの実践を交えて説明していきます。
画像の形状特徴量の計測
画像の形状特徴量の計測方法として、ImageJの代表的な機能を紹介します。あらかじめ、画像の大きさなどが既知の場合、ImageJのAnalyze>Set Scaleで画素値と実測スケールが正しいかチェックしましょう。次に、2値画像の特徴量として計算可能なものを、Analyze>SetMeasurementsのパラメータの中から選んでチェックボックスをオンにします。図に、胚細胞のImageJサンプルデータ（Rat_Hippocampal_Neuron）の細胞形状の特徴量計測例を示します。
（Set measurements）
（Measure：result）
このようなさまざまな指標によって、細胞の形状特徴量を測定した結果を定量的に観察し、することができます。
以下、チェックした特徴量の一部を簡単に解説します。
①面積（Area）
画像の特徴量の面積は、画素数を数えることにより求められます。2値化した画像の対象(黒または白画素)の場合は、ヒストグラムから各濃淡値のピクセルカウントを確認できます。
②周囲長（Perimeter）
周囲長は、まず境界追跡アルゴリズム（Snakeなど）を用いて境界を求め、画素の長さを加算していきます。このとき、斜め方向に隣接する画素をルート2倍にするなど、誤差補正が必要です。
2値画像での2点間距離は、一般的な数学で使用されるユークリッド距離や、4近傍 (上下左右)処理によって2点間で接する画素を追っていく方法(4近傍距離または市街地距離と言う)、および8近傍処理によって2点間で最も接する面積が多い画素を追っていく方法(8近傍距離またはチェス盤距離と言う)で求められます。
ImageJでは、Bounding Rectangle (限界長方形：選択枠の最小長方形)という指標もあり、出力結果では、BX、BY、Width、Heightという値が結果テーブルに表示されます。BX、BYは、長方形の左上の角の座標を示しています。
③楕円指標（Fit Elipse）
ImageJでは,メニューのAnalyze>Set ScaleのFit Elipseに相当します。セグメンテーション後の境界枠に適した楕円を計算し、Major(長軸)、Minor(短軸)、Angleが指標として出力されます。MajorやMinorは、最も適する楕円の第1軸、第2軸で、Angleは画像のx軸と平行な線と、楕円径の第1軸と交わる角度を示します。
Set ScaleダイアログにあるPixel Aspect Ratioの値が1.0で有効となり、それ以外のときは使用できません。
④円形度（CircularityまたはRoundness）
対象がどれだけ円に近いかを表す尺度のことで、面積をS、周囲長をLとしたとき、4πS/L2乗で計算されます。対象が円である場合は1.0で、複雑になるにしたがって数値が下がります。
⑤2点間最大距離（Feret’s Diameter）
ImageJでは、“フェレーの直径(Feret’s Diameter)”という名称で実装されています。選択枠内の任意の2点間の最大距離を計測します。
（Pharmacopeial Forum:Volume No.30(6) Page 2212, fig 1.）
2値画像のモーメント特徴
一般的に、モーメントとは物体を回転させる力の大きさを表しますが、これを画像の統計量として捉えて、特徴量抽出に利用することもできます。
2値画像のモーメント特徴とは、画素の位置の重みづけをして合計した数値です。モーメントは、多値画像においても、ImageJを用いて画素値の平均値の周りの1次モーメントから4次モーメントまで特徴量を簡単に計測できます。
2値画像のモーメントは、ImageJでは標準では実装されていない特徴量ですが、重要な指標ですので簡単に説明します。
画像のモーメントは、一般的に次式で定義される(p+q)次のモーメントM(p,q)を用いて計算されます。
ここで、fijは画素値であり、対象の画素は1で、対象より外側のバックグランドは0です。
重心座標(I,J)を決定する場合、I = M(1,0) / M(0,0)、J = M(0, 1) / M(0,0)がよく用いられます。主軸の方向を示すtanθは、対象画像が伸びている方向を表し、次式によって計算されます。
ImageJのプラグインでは、ジョンズ・ ホプキンス大学でからMomentMacroJマクロとして紹介されているので、試してみてはいかがでしょうか。(http://www.hopkinsmedicine.org/fae/mmacro.html).
※テキストをダウンロードして、ImageJのプラグイン>マクロからインストールでダウンロードしたテキストファイルを選択します。これで、マクロのリストに加わるので、もう一度プラグインのマクロから選択して起動します。
（補足）
参考記事に別のプラグインの紹介があるので、こちらでもご紹介いたします。
ImageJを用いた拡散テンソル画像処理プラグイン
https://sites.duke.edu/dblab/jdti/#comment-34
このプラグインは教育や研究用に配布されています。
入手するには、上記ページからリクエスト（コメント）を送信して承諾してもらう必要があります。
テストデータも入手できますので、勉強には最適ですね。
さて、次回は特徴量解析の少し専門的な技術をご紹介します！
Reference
- 「ImageJで学ぶ実践医用・バイオ画像処理.INNERVISION(22・1) 2007, p94-95」
0 件のコメント:
コメントを投稿