荧光成像是一种非侵入性成像技术,可帮助观察生物体内发生的生物过程。图像可通过多种方法生成,包括:显微镜、成像探针和光谱学。荧光本身是一种发光形式,是物质吸收电磁辐射后发射一定波长的光而产生的。吸收光后重新发射光的分子称为荧光团。荧光成像通过拍摄荧光染料和荧光蛋白来标记分子机制和结构。它使人们能够通过实验观察活细胞中基因表达、蛋白质表达和分子相互作用的动态。它本质上是一种精确的定量工具,可用于生化应用。

当某种分子吸收光时,分子的能量会短暂地升高到更高的激发态。随后返回基态,导致发射可检测和测量的荧光。发射光是由吸收能量为 $h v$ 的光子产生的,具有特定的波长。事先知道这个波长很重要,这样在进行实验时,测量设备就知道要将波长设置为什么来检测光的产生。该波长由以下公式确定:

$$ \lambda_{\text {发射 }}=\frac{h c}{\text { 能量 }_{\text {发射 }}} $$

其中h=普朗克常数,c=光速。通常,此处使用大型扫描设备或 CCD 来测量强度并以数字方式拍摄图像。

可以采用不同的显微镜技术来改变图像的可视化和对比度。每种方法都有优点和缺点,但都利用相同的荧光机制来观察生物过程。

Python图像内外段偏差

根据光感受器的输入荧光图像,我们想要计算每个外段(红色部分)相对于其内段(蓝色部分)的偏差。第一步是加载和显示数据。数据由形状为 (1024,1024,4) 的三维数组组成。第一幅图像不是我们应用程序的关注点,所以我们将忽略它。每个 (1024,1024) 数组都表示 uint32 中的荧光图像,第一个是蓝色,第二个是绿色,第三个是红色。

根据给定通道中的荧光强度计算彩色图像。

 def gray2color(u,channel):
 ​
     u_color = np.dstack((
         rescale_intensity(u if channel==0 else np.zeros_like(u), out_range='float'),
         rescale_intensity(u if channel==1 else np.zeros_like(u), out_range='float'),
         rescale_intensity(u if channel==2 else np.zeros_like(u), out_range='float'),
         ))
     return u_color

 def display_initial_dataset(u):
 ​
     R = u[:,:,3]
     G = u [:,:,2]
     B = u[:,:,1]
     u_rgb = np.dstack((
         rescale_intensity(R, out_range='float'),
         rescale_intensity(G, out_range='float'),
         rescale_intensity(B, out_range='float')
         ))
     R_rgb = gray2color(R,0)
     G_rgb = gray2color(G,1)
     B_rgb = gray2color(B,2)
     fig, ax = plt.subplots(1,4,sharex=True,sharey=True)
     ax[0].imshow(u_rgb)
     ax[0].set_title('Original color image')
     ax[1].imshow(R_rgb)
     ax[1].set_title('Red channel')
     ax[2].imshow(G_rgb)
     ax[2].set_title('Green channel')
     ax[3].imshow(B_rgb)
     ax[3].set_title('Blue channel')
     return (ax, fig)

从布尔映射中获取具有属性的形状列表。

def get_cells_from_bool(mask, plot=False):

    label_image = label(mask)
    cells = []
    for region in regionprops(label_image):
        cells.append(region)

    if plot:
        image_label_overlay = label2rgb(label_image, alpha=0.2, bg_label=0)
        plt.imshow(image_label_overlay)
        plt.title('Detected cells ' + str(len(cells)))
    return cells

在此步骤中,您应该将每个外部段放在一个列表中,其中包含由 regionprops 计算的几个属性。现在的目标是循环遍历外部段并要求用户使用 plt.ginput 手动选择一些点。为了帮助用户,您可以绘制描述每个部分方向的不同向量:

然后,计算每对向量之间的角度。为此,我们需要做一些几何工作。给定两个点 a 和 b 的坐标:

$$ a=\binom{x_1}{y_1} \quad b=\binom{x_2}{y_2} $$

向量 $\overrightarrow{a b}$ 可以写成:

$$ \overrightarrow{a b}=\binom{x_2-x_1}{y_2-y_1} $$

计算 $\overrightarrow{a b}$ 和 $\overrightarrow{u_x}$ 之间的点积,我们有:

$$ \overrightarrow{a b} \cdot \overrightarrow{u_x}=\|\overrightarrow{a b}\| \times\left\|\overrightarrow{u_x}\right\| \times \cos \left(\overrightarrow{a b}, \overrightarrow{u_x}\right) $$

我们将 $\overrightarrow{a b}$ 和 $\overrightarrow{u_x}$ 之间的角度称为 $\alpha$,我们可以用以下等式计算它:

$$ \alpha=\arccos \left(\frac{x_2-x_1}{\sqrt{\left(x_2-x_1\right)^2+\left(y_2-y_1\right)^2}}\right) $$