이미지 간의 공간 상관 관계를 찾는 데 어떤 알고리즘을 사용해야합니까?

Question

데이터 세트를 분석하고 있는데, 서로 다른 이미지의 점간에 강한 공간적 상관 관계가 있음을 입증하는 데 가장 통계적으로 유효한 방법이 무엇인지 궁금합니다.

내 데이터 세트에는 약 50 쌍의 암 조직 샘플 이미지가 있습니다. 각 쌍의 첫 번째 이미지는 금 나노 입자의 위치를 ​​나타내며 두 ​​번째 이미지는 동일한 조직 샘플의 혈관 위치를 보여줍니다. 이미지를 보면 nanoparticles의 위치가 혈관과 잘 어울리는 것을 쉽게 볼 수 있지만이 점을 통계적으로 증명하고자합니다. 이것이 중요한 점은 나노 입자가 정상 조직이 아닌 암 부위에 특이 적으로 결합한다는 사실을 입증하기 때문입니다.

저는 모란의 통계와 같이 단순 선형 상관 관계 나 더 정교한 다른 통계를보고 있습니다. 그러나, 나는 이미지들 사이의 상관 관계에 대해 잘 작동하는 것을 발견하지 못했다.

Answer 1

상관 관계가 도움이 될 것이라고 생각합니다. 회색 이미지의 경우 벡터화하고 xcorr 또는 corrcoef 함수를 사용하여 상관 관계를 얻을 수 있습니다. RGB 이미지의 경우 세 채널의 모든 세부 정보를 보려면 MuPAD 노트북 인터페이스에서 작업해야합니다. plot::Raster은 RGB 값을 직사각형의 2D 메쉬로 변환합니다. 그런 다음 상관 관계를 구현할 수 있습니다.

GNP 결합의 또 다른 가능한 정량화는 혈관 세분화를 적용한 다음 그 결과를 마스크로 사용하여 GNP 혈관 결합능의 표시로 리콜/정확도 (위양성 대 false negative)를 계산하는 것입니다 .

Answer 2

나는 각 금 입자와 가장 가까운 혈관 사이의 거리를 측정 할 것입니다. 모든 입자에 걸쳐 이러한 최소 거리를 평균합니다. 이것은 통계입니다. 이것은 50 쌍 모두에 대해 수행 할 수 있으며, 그 다음 50 개의 숫자를 다시 평균 할 수 있습니다. 결과 스칼라는 전체 데이터에서 가장 가까운 혈관에서 금 입자의 평균 거리를 나타냅니다.

중요한지 어떻게 알 수 있습니까? Null 분포를 생성하기 위해 각 골드 입자 이미지가 무작위로 선택된 혈관 이미지와 쌍을 이룰 수 있도록 이미지를 섞습니다. 통계를 다시 측정하십시오. 이것을 ~ 10000 번 반복하십시오. 평균 거리가 실제 거리보다 짧거나 같지 않은 반복의 백분율은 올바른 커버리지 확률을 보장하기 위해 샘플의 원래 순열을 포함하는 P 값입니다.