Correlation
圖像間空間相關性的統計方法
我正在分析一個數據集,我想知道證明圖像之間存在強空間相關性的最有效的統計方法是什麼。
我有一個包含大約 50 對癌組織樣本圖像的數據集。每對中的第一張圖像顯示了金納米粒子的位置,第二張圖像顯示了同一組織樣本中血管的位置。通過查看圖像,很容易看出納米顆粒的位置與血管相匹配,但我想在論文中用統計學證明這一點。這是很重要的一點,因為它表明納米顆粒特異性結合癌變區域而不是正常組織。
我一直在研究不同的統計數據,例如簡單的線性相關性或類似以下問題的答案:分析圖像中空間相關性的有效方法?但是,我還沒有找到任何適合圖像之間相關性的方法。
來自 Ladislav Nado 的編輯: 我從網絡上製作了兩張圖片……大小和分辨率相同。
如何在兩個圖像中解決這個問題的最簡單方法是從兩個柵格中提取值並進行相關性。我不確定此解決方案是否適合您的特定情況。你有什麼“格式”的圖像?(灰度,RGB,大小,分辨率……)。請提供更具體的細節。
R中的兩個柵格用於演示:
圖片A 的值:
x <- c(1.0,1.0,1.0,1.0,0.5,0.5,0.0,0.0,0.5,0.5, 2.0,2.0,1.5,1.5,1.0,1.0,0.5,1.0,1.0,1.0, 2.5,2.0,2.0,2.0,2.0,1.0,1.0,1.5,2.0,2.0, 2.5,3.0,3.0,3.0,2.5,2.0,2.0,2.0,2.5,2.5, 2.5,3.5,4.0,3.5,2.5,2.0,2.5,3.0,3.0,3.5, 2.5,3.5,3.5,2.5,2.0,2.5,3.0,3.5,4.0,3.5, 2.5,3.5,3.5,3.0,3.5,4.0,4.0,4.0,3.5,2.5, 2.5,3.5,4.0,4.0,3.5,3.5,3.0,3.0,2.5,2.0, 2.5,3.5,3.5,3.0,2.5,2.5,2.0,2.0,2.0,1.5, 2.0,3.0,2.5,2.0,2.0,1.5,1.5,1.5,1.0,1.0)
圖片B的值:
y <- c(rep(1, times = 10), rep(2, times = 6), 1, rep(2, times = 3), rep(2, times = 10), rep(3, times = 4), rep(2, times = 4), 3,3, 3,4,4,3,2,rep(3, times = 4), 4, 3,4,rep(3, times = 5), rep(4, times = 3), 3,4,3,3,3,4,4,4,3,3, 3, rep(4, times = 4), rep(3, times=4), 2, 3,3,4,3,3,3,rep(2, times = 4), 2,3,3,3,rep(2, times = 6))
創建數組 -> 將數組轉換為柵格
x_array<-array(x, dim=c(10,10)) y_array<-array(y, dim=c(10,10)) x_raster<-raster(x_array) y_raster<-raster(y_array)
設置調色板和繪圖…
colors_x <- c("#fff7f3","#fde0dd","#fcc5c0","#fa9fb5","#f768a1","#dd3497", "#ae017e","#7a0177","#49006a") colors_y <- c("#fff7f3","#fcc5c0","#f768a1","#ae017e") par(mfrow=c(1,2)) plot(x_raster, col = colors_x) plot(y_raster, col = colors_y)
…這是相關性
cor(x,y) Pearson's product-moment correlation data: x and y t = 21.7031, df = 98, p-value < 2.2e-16 alternative hypothesis: true correlation is not equal to 0 95 percent confidence interval: 0.8686333 0.9385211 sample estimates: cor 0.9098219
也許有更專業的解決方案,但我認為這個解決方案非常健壯、簡單和直接。
**值得關注的鏈接:(**用於
ImageJ
) http://imagej.nih.gov/ij/plugins/intracell/index.html