我正在分析一个数据集,我想知道什么是最有效的统计方法来证明不同图像中的点之间有很强的空间相关性。
我的数据集有大约50对癌症组织样本的图像。每对中的第一幅图像显示金纳米粒子的位置,第二幅图像显示同一组织样本中血管的位置。通过观察这些图像,很容易发现纳米粒子的位置与血管吻合得很好,但我想在本文中从统计学上证明这一点。这是很重要的一点,因为它证明了纳米粒子与癌变区域而不是正常组织结合。
我一直在研究不同的统计数据,比如简单的线性相关,或者更复杂的统计,比如Moran的I统计。然而,我还没有找到任何能很好地实现图像之间相关性的方法。
发布于 2014-03-12 12:23:40
我认为这种关联可能对你有用。对于灰度图像,您可以将它们矢量化,并使用xcorr
或corrcoef
函数来获得相关性。对于RGB图像,如果您想从三个通道获得所有细节,您可能需要在MuPAD笔记本界面上工作,在该界面中,plot::Raster
将RGB值转换为一个由矩形组成的2D网格。然后您就可以实现这些关联。
对国产总值结合的另一种可能的量化方法是应用血管分割,并将结果作为掩膜,然后计算召回/精确度(假阳性和假阴性)作为国产总值与血管结合能力的指标。
发布于 2014-03-12 12:02:26
我会测量每个金粒子和最近的血管之间的距离。平均所有粒子的最小距离--这是你的统计数据。这可以做所有50对,然后50个数字可以再次平均。由此产生的标量代表了一个金粒子从最近的血管到你的整个数据的平均距离。
你怎么知道这是否有意义?为了产生零分布,对图像进行洗牌,使每个金粒子图像与随机选取的血管图像配对。再测量一次统计数据。重复这个~10000次。平均距离等于或小于实际、不混淆距离的迭代百分比是p值(包括样本中的原始置换,以确保正确的覆盖概率)。
https://stackoverflow.com/questions/22355525
复制相似问题