與 3D 影像（腎臟組織）互動

在本教學中，我們將互動式探索一個具有三個空間維度和三個色彩維度（通道）的生物醫學影像。如需 3D 影像處理的一般介紹，請參閱探索 3D 影像（細胞）。我們在這裡使用的資料對應於使用共焦螢光顯微鏡成像的腎臟組織（更多詳細資訊請參閱 [1] 在 kidney-tissue-fluorescence.tif 下）。

[1]

scikit-image/data/#data

import matplotlib.pyplot as plt
import numpy as np

import plotly
import plotly.express as px
from skimage import data

載入影像

此生物醫學影像可透過 scikit-image 的資料登錄取得。

data = data.kidney()

傳回的資料集是 3D 多通道影像

print(f'number of dimensions: {data.ndim}')
print(f'shape: {data.shape}')
print(f'dtype: {data.dtype}')

number of dimensions: 4
shape: (16, 512, 512, 3)
dtype: uint16

維度以以下順序提供：(z, y, x, c)，即 [平面, 列, 欄, 通道]。

n_plane, n_row, n_col, n_chan = data.shape

現在，我們只考慮資料的一個切片（2D 平面）。更具體來說，讓我們考慮位於堆疊中間的切片。imshow 函式可以顯示灰階和 RGB(A) 2D 影像。

_, ax = plt.subplots()
ax.imshow(data[n_plane // 2])

Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers). Got range [64..4095].

<matplotlib.image.AxesImage object at 0x7fb7a0a61e50>

根據警告訊息，值的範圍是出乎意料的。影像的渲染在色彩方面顯然不令人滿意。

vmin, vmax = data.min(), data.max()
print(f'range: ({vmin}, {vmax})')

range: (10, 4095)

我們轉向 Plotly 的 plotly.express.imshow() 函式實作，因為它支援超出浮點數的 (0.0, 1.0) 和整數的 (0, 255) 的值範圍。

fig = px.imshow(data[n_plane // 2], zmax=vmax)
plotly.io.show(fig)

這就是您要的，螢光顯微鏡！

正規化每個通道的範圍

一般來說，我們可能希望在每個通道的基礎上正規化值範圍。讓我們沿著通道軸將資料（切片）分面。這樣，我們得到三個單通道影像，其中使用每個影像的最大值

fig = px.imshow(
    data[n_plane // 2], facet_col=2, binary_string=True, labels={'facet_col': 'channel'}
)
plotly.io.show(fig)

每個色彩通道的值範圍是多少？我們透過取所有非通道軸的最小值和最大值來檢查。

vmin_0, vmin_1, vmin_2 = np.min(data, axis=(0, 1, 2))
vmax_0, vmax_1, vmax_2 = np.max(data, axis=(0, 1, 2))
print(f'range for channel 0: ({vmin_0}, {vmax_0})')
print(f'range for channel 1: ({vmin_1}, {vmax_1})')
print(f'range for channel 2: ({vmin_2}, {vmax_2})')

range for channel 0: (10, 4095)
range for channel 1: (68, 4095)
range for channel 2: (35, 4095)

讓我們非常具體，並在每個通道的基礎上傳遞值範圍

fig = px.imshow(
    data[n_plane // 2], zmin=[vmin_0, vmin_1, vmin_2], zmax=[vmax_0, vmax_1, vmax_2]
)
plotly.io.show(fig)

Plotly 讓您透過平移、放大和縮小以及將所需的圖形匯出為 PNG 格式的靜態影像來與此視覺化互動。

以動畫幀的形式探索切片

按一下播放按鈕，沿著 z 軸移動，穿過所有 16 個切片的堆疊。

fig = px.imshow(
    data,
    zmin=[vmin_0, vmin_1, vmin_2],
    zmax=[vmax_0, vmax_1, vmax_2],
    animation_frame=0,
    binary_string=True,
    labels={'animation_frame': 'plane'},
)
plotly.io.show(fig)

合併通道分面和切片動畫

fig = px.imshow(
    data,
    animation_frame=0,
    facet_col=3,
    binary_string=True,
    labels={'facet_col': 'channel', 'animation_frame': 'plane'},
)
plotly.io.show(fig)

生物學家的眼睛可以看到兩個亮點（在 通道=2 中最明顯）是腎臟腎小球 [2]。

[2]

https://en.wikipedia.org/wiki/Glomerulus_(kidney)

plt.show()