扩展的相关函数用于多重成像数据的空间分析
Joshua A Bull1, Eoghan J Mulholland2, Simon J Leedham2,3,4
1Wolfson Centre for Mathematical Biology, Mathematical Institute, University of Oxford, Oxford OX2 6GG, UK.
Biological imaging
|March 22, 2024
概括
这项研究通过扩展交叉对相关函数 (cross-PCF) 来增强多重组织学图像的空间分析. 新的方法使细胞相互作用的详细可视化和量化成为可能,改善了生物数据的空间统计.
科学领域:
- 计算生物学 计算生物学
- 生物医学成像技术 生物医学成像技术
- 空间统计的空间统计.
背景情况:
- 图像平台的进步产生复杂的,高度多重化的组织学数据.
- 自动细胞细分和分类方法正在改进,但对细胞点云的空间分析仍然是一个挑战.
- 交叉对相关函数 (cross-PCF) 是一种空间统计方法,用于分析细胞与细胞之间的关系,但具有局限性.
研究的目的:
- 为了解决标准交叉PCF分析多重组织学数据的局限性.
- 引入跨PCF的新扩展,以进行更详细的空间分析.
- 在合成和生物数据集上证明这些扩展方法的实用性.
主要方法:
- 开发跨对相关函数的三个扩展:地形相关图,邻近相关函数和加权PCF.
- 应用这些扩展方法来分析复杂图像中细胞之间的空间关系.
- 利用合成和真实生物数据集进行验证和演示.
主要成果:
- 地形相关图可视化局部细胞聚类和排除.
- 邻近相关函数识别多种细胞类型的同位化.
- 权重PCF允许使用连续细胞标签进行空间相关性分析,克服离散分类限制.
结论:
- 扩展的交叉PCF方法为多重组织学中的空间细胞分布提供了更全面的见解.
- 这些进步使我们能够更深入地了解细胞社区和相互作用.
- 开发的技术为生物医学研究中的定量空间分析提供了强大的工具.
