應該使用什麼算法來找出圖像之間的空間相關性？

Question

我正在分析一個數據集，我想知道什麼是最有效的統計方法，證明在不同圖像中的點之間存在強烈的空間相關性。

我的數據集有大約50對癌組織樣本的圖像。每一對中的第一張圖像顯示了金納米顆粒的位置，第二張圖像顯示了同一組織樣品中血管的位置。通過觀察圖像可以很容易地看到納米顆粒的位置與血管匹配良好，但我想在論文中對此進行統計證明。這是一個重要的觀點，因爲它表明納米顆粒特異性地結合到癌性區域而不是正常組織。

我一直在尋找不同的統計數據，比如簡單的線性相關或者像Moran's I統計的更復雜的東西。但是，我還沒有發現任何可以很好地用於圖像之間關聯的東西。

Answer 1

我認爲這種關聯可能適合你。對於灰色圖像，可以對它們進行矢量化並使用xcorr或corrcoef函數來獲取相關性。對於RGB圖像，如果您想要從三個通道獲得所有細節，則可能需要使用MuPAD Notebook界面，其中plot::Raster將RGB值轉換爲矩形的2D網格。然後你可以實現相關性。

GNP結合的另一個可能的量化是應用血管分割，並將結果作爲掩模，然後計算召回/精確度（假陽性與假陰性）作爲GNP結合血管能力的指標。

Answer 2

我會測量每個黃金顆粒和最近的血管之間的距離。平均所有粒子的這些最小距離 - 這是您的統計數據。這可以對所有50對完成，然後再對50個數字進行平均。得到的標量代表整個數據中金顆粒離最近血管的平均距離。

你怎麼知道它是否有意義？爲了生成零分佈，混洗圖像，使每個金顆粒圖像與隨機選擇的血管圖像配對。再次測量統計量。重複這個〜10000次。具有等於​​或小於平均距離的迭代的百分比是您的p值（包括樣本中的原始排列以確保正確的覆蓋概率）。