EBImage功能名稱

Question

任何人都可以解釋什麼是用來計算computeFeatures內的不同功能？

我得到應用的命名約定，在? computeFeatures中列出。我不明白.0.,.a.和.Ba.標籤。

例如：

> library(EBImage) 
> y = readImage(system.file("images", "nuclei.tif", package="EBImage"))[,,1] 
> x = thresh(y, 10, 10, 0.05) 
> x = opening(x, makeBrush(5, shape='disc')) 
> x = bwlabel(x) 
> ft = computeFeatures(x, y, xname="nucleus") 
> colnames(ft) 
[1] "nucleus.0.m.cx"   "nucleus.0.m.cy"   
[3] "nucleus.0.m.majoraxis"  "nucleus.0.m.eccentricity" 
<snip> 
[11] "nucleus.0.s.radius.max" "nucleus.a.b.mean"   
[13] "nucleus.a.b.sd"   "nucleus.a.b.mad"   
<snip> 
[51] "nucleus.Ba.b.mean"   "nucleus.Ba.b.sd"   
[53] "nucleus.Ba.b.mad"   "nucleus.Ba.b.q001"   
[55] "nucleus.Ba.b.q005"   "nucleus.Ba.b.q05" 
<snip>  

我的猜測是nucleus.0.*功能使用從包含在x二進制口罩只有數據。因此nucleus.0.m.cy是使用二進制數據計算的y軸質心。也有nucleus.a.m.cy和nucleus.Ba.m.cy，但不清楚這些計算是如何不同的（它們極其相關但不完全相同）。

我還假設.a.和.Ba.使用y中的強度值，但細節是模糊的。諸如nucleus.a.b.mean和nucleus.Ba.b.mean之類的特徵是相似的（〜.80corr），但不相同。我假設他們估計x中由標籤定義的對象的平均強度爲y，但差異尚不清楚。

有沒有關於此的任何文檔？

感謝，

最大

 
> sessionInfo() 
R Under development (unstable) (2014-08-23 r66461) 
Platform: x86_64-apple-darwin10.8.0 (64-bit) 

locale: 
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8 

attached base packages: 
[1] stats  graphics grDevices utils  datasets methods base  

other attached packages: 
[1] EBImage_4.7.16 

loaded via a namespace (and not attached): 
[1] abind_1.4-0   BiocGenerics_0.11.4 grid_3.2.0   
[4] jpeg_0.1-8   lattice_0.20-29  locfit_1.5-9.1  
[7] parallel_3.2.0  png_0.1-7   tiff_0.1-5   
[10] tools_3.2.0 

Answer 1

你有沒有在這裏看到的文檔：AnalysisWithEBImage

這似乎是討論的深度包文件中之最。您是否嘗試過直接聯繫作者GrégoirePau？我相信如果你谷歌他可以找到他。

Answer 2

作爲一個免責聲明，我對你的領域一無所知，但通過查看函數，我可以很好地猜測發生了什麼。我建議您使用debugonce(computeFeatures)，然後運行ft = computeFeatures(x, y, xname="nucleus")。您可以逐行瀏覽代碼的每一行（鍵入Q）以退出，查看發生了什麼。

正如你提到的，文件規定：

功能被命名爲x.y.f，其中x是對象層，Y的 參考圖像層和F功能名稱。

在您的例子computeFeatures已經爲參考層（a，aB，並0）生成的值。文檔中提到，如果你沒有命名你的參考圖層，他們只會得到字母表的字母，所以在你的情況下你有一個參考圖層，它被稱爲a。我相信0意味着它使用沒有參考層。

通過觀察源代碼，似乎每一個層我，則創建一個B_ 我層。這似乎傳遞一個硬編碼的過濾器在每一層，你可以在這個代碼，在expandRef功能發現看到（的評論是我的）：

# Hard code a filter 
blob = gblob(x0 = 15, n = 49, alpha = 0.8, beta = 1.2) 
# Filter using the fast 2D FFT convolution product. 
bref = lapply(ref, function(r) filter2(r, blob)/2) 
# Name it "B" and then the layer name 
names(bref) = paste("B", names(ref), sep = "") 

我不知道到底是什麼你想在這裏做，但你可以直觀地看到這個過濾器在做什麼。這裏是您x（你可以運行display(x)看到它）：

這是您參考（y）：

這裏是硬編碼的過濾器是這樣的：

這是硬編碼的過濾器是什麼y：

因此，要總結：一切與0被比作沒有參考，一切以a直接作爲基準進行比較，以y，一切與aB相比，y的過濾版本。