组织透明化小鼠心脏荧光灶计数：背景去除难题求助

研究背景 #

我正在开展一项研究：对组织透明化小鼠心脏进行光片显微镜成像，获取完整器官图像。设备会沿深度方向将图像切成间隔数微米的切片，最终生成包含数百张切片的大型OME-TIFF文件（大小达数GB）。

目标与样本特征 #

需要计数心脏组织内的荧光灶：

• 人工识别荧光灶难度低（部分切片中荧光灶像巧克力豆饼干一样明显），但人工计数不可行
• 注：原始切片可见散在荧光灶，已标记图像中荧光灶被明确标注

当前处理方案 #

我已做过初步背景去除，但效果不佳，因此使用以下IslandCounter_hist类的counter函数进行计数——该函数会过滤过大区域以及上一切片中重复的荧光灶：

class IslandCounter_hist:
    def counter(self, array, visited_prev):
        def in_array(h, w):
            return 0 <= h < len(array) and 0 <= w < len(array[0])

        def neighbours(node):
            a, b = node
            dir = [(-1, 0), (0, 1), (1, 0), (0, -1)]
            return [(h, w) for h, w in [(a + i, b + j) for i, j in dir] if in_array(h, w)]

        def dfs(node, recursion):
            visited.add(node)
            recursion += 1
            for v in neighbours(node):
                if recursion == 8000: # 防止在大块区域卡住，数值为经验值
                    break
                if array[v[0]][v[1]] > 0 and v not in visited:
                    dfs(v, recursion)
                    
        islands = 0
        dist_array = np.array([])
        visited = set()
        sub_visited = set()
        for i in range(len(array)):
            for j in range(len(array[0])):
                node = (i, j)
                recursion = 0
                if array[i][j] > 0 and node not in visited:
                    dfs(node, recursion)
                    # 根据ImageJ手动计数的数百个样本设置面积阈值
                    if 9 <= (len(visited) - len(sub_visited)) <= 264 and node not in visited_prev: 
                        dist_array = np.append(dist_array, len(visited) - len(sub_visited))
                        islands += 1
                        sub_visited = visited.copy()
                    else:
                        sub_visited = visited.copy()

        return islands, visited, dist_array

现存问题 #

• 荧光灶特征难以准确定义：亮度、大小均存在差异，仅能通过手动计数得到像素面积阈值（9-264像素）
• 背景残留过多，导致假阳性结果大量出现
• 尝试过的方法效果不佳：阈值处理要么假阳性过多要么丢失目标；去除“壁状”结构未成功；OpenCV轮廓提取效果混乱

需求 #

1. 在不丢失器官内部目标的前提下有效去除背景
2. 对现有计数函数的优化建议

内容的提问来源于stack exchange，提问作者shakuras