从体素到知识：复杂电子显微镜三维数据分割的实用指南

以下实验的总体目标是从细胞和组织的复杂三维电子显微镜数据集中分割出感兴趣的特征，以分析其三维空间结构。该目标通过采集一系列单个电子显微镜图像构成的数据集来实现。原始二维数据随后被重建为三维体数据，并经过滤波以降低噪声并增强感兴趣的特征；第二步，通过评估数据的客观与主观特征，为选择最优的分割方法提供依据。

接下来，可选择手动提取、模型生成或手动追踪目标特征。通过基于密度的自动分割或定制化的自动分割方法，提取目标特征。结果展示了基于图像特征筛选和个人研究目标选择最优分割方法所获得的目标特征的最终三维分割模型。

不同数据集采用不同方法的比较将有助于选择正确的分割策略。我们展示了提取感兴趣特征的多种方法。鉴于亚细胞电镜图像数据的复杂性，每种方法都有其优势和局限性。

通常，刚接触图像分割的研究人员可能会感到困难，因为针对不同的数据集选择最佳方法并不总是明确的。此外，还涉及研究生的情绪宣泄。演示该操作流程的将是博士后 BU，由 Tai 指导。

在我的实验室中，Amit Hassan（我实验室的研究助理）和 Joaquin Korea（我实验室的计算机系统工程师）采用手动抽象模型生成方法，该方法适用于唯一目标是构建几何模型以进行几何测量的情况。首先，将数据体导入合适的程序中。在本演示中，手动抽象模型生成使用的是 Kymera 软件。

首先选择文件并打开，以调出打开文件对话框，导航至所需地图的文件位置。接着，调出体数据查看器，并选择“特征”显示样式，以不同的渲染风格显示数据。通过拖动体数据查看器窗口中直方图上的垂直条，调整显示的阈值。

在三维图像中浏览，选择需要分割的感兴趣区域，必要时裁剪出较小的子区域。在体数据查看器对话框中，选择“特征”和“子区域选择”，通过点击并拖动在感兴趣区域周围创建一个矩形框。接着，在目标特征上放置标记点，并在适当位置用连接线将它们连接，直至模型构建完成。

要从体视图查看器菜单栏实现此操作，请选择工具，体积追踪对话框。要打开体积追踪对话框，请选择文件，新建标记集。在体积追踪对话框中，勾选鼠标，将标记放置在高密度区域，将标记放置在数据上，平面移动并调整标记大小，将新标记链接到所选标记，并连续链接所选标记。

然后在体积示踪窗口中，使用鼠标右键选择放置标记，并为标记和连接插入半径。接下来，右键单击体积数据以开始放置标记。标记将在体积示踪对话框中自动连接。

选择文件，保存当前标记。然后设置文件关闭标记。设置完成后，打开一个新的标记集，以开始构建第二个感兴趣特征的模型。

利用不同标记集之间的对比色来突出特征差异。当种群密度相对较低且特征提取的准确性至关重要时，通常采用手动追踪目标特征的方法，但这种方法较为耗时。首先，将体数据导入具备手动追踪功能的软件程序中。

通常情况下，此功能会提供一个基本的画笔工具。在本演示中，Amira 软件用于处理大型断层图像。选择打开数据，然后右键单击文件名 rec。

然后点击格式，选择原始数据作为大容量磁盘数据。好的，然后加载。从头部信息中选择合适的原始数据参数，然后点击确定。

切换并另存为新文件名。am 文件。对于 3D 图像序列，选择打开数据，然后选择文件名 tiff 或文件名 dot mrmc。

然后切换，右键单击并选择“另存为”，文件名为 am。在 3D 查看器窗口中，选择正交切片以打开图像文件。然后使用底部的滑块浏览各切片，对作为大圆盘数据打开的较大数据进行裁剪。

在池窗口中切换文件名，右键单击并选择晶格访问。输入所需的框尺寸，将框移动到目标区域，然后单击应用。保存新文件。

接下来，通过在资源池窗口中切换文件来创建一个分割文件。然后右键单击并选择标注标签字段。将创建一个新文件，并自动加载到分割编辑器选项卡以及对象资源池中。

使用画笔工具描出第一个感兴趣区域的边界。根据需要调整画笔大小，然后使用鼠标指针描出感兴趣区域的边界。使用快捷键 F 填充所描区域。单击带有加号符号的按钮以添加选区。

在所有切片中追踪目标特征，并重复手动描记分割。在对象池选项卡中，根据软件用户指南的说明生成表面渲染，用于可视化及基本的定性或定量分析；在池窗口中切换文件名标签显示。然后右键单击并选择表面生成（surface gen）。

选择所需的表面属性，然后单击应用。将在资源池中创建一个名为 surf 的新文件。要可视化已分割的体积，请在资源池窗口中切换文件名 surf。

然后右键单击并选择表面视图。按照文本方案中所述生成用于可视化和定性分析的表面。对于具有各种对比度、清晰度或密集程度的数据集，采用基于密度的自动分割方法，提取感兴趣的密度区域，以开始将体积数据导入具备阈值魔棒或其他基于密度工具的自动分割功能的程序中。

与手动追踪感兴趣特征的技术类似，本演示中使用 Amira 软件处理边界不清晰的特征。通过选择阈值工具图标来使用阈值工具。调节滑块以调整密度至理想范围内，从而使只有感兴趣的特征被掩膜。

单击选择按钮，然后通过点击带有加号的按钮或使用快捷键来添加选择。根据文本方案中所述，生成一个表面以进行可视化和定性分析。所有第四种方法。

定制化的自动分割可用于高效分割大型数据集，但需要掌握 MATLAB 等编程工具的相关知识。有关该方法的逐步操作说明，请参阅关于定制化分割的补充视频。六个示例数据集通过四种方法进行了分割：手动抽象模型生成、感兴趣特征的手动追踪、基于密度的自动分割以及定制化的自动分割。手动抽象模型生成对树脂样本效果良好。

对具有特定目的的立体纤毛染色包埋断层成像旨在建立一个用于定量分析的模型，而非从植物细胞壁的树脂包埋染色断层成像中提取精确的密度值。基于密度的自动分割方法在快速提取多层切片中的纤维素方面最为有效，而手动方法则需在少数几层数据上投入更多精力。

手动抽象模型生成方法在动纤毛的断层扫描中产生了微管三联体，而两种自动方法提取密度的速度更快，因此更受青睐，尤其是在聚焦离子束和乳腺上皮细胞扫描电子显微镜成像中，线粒体的形态较为复杂。手动追踪提供了最清晰的结果，且由于样本密度较低，可实现快速分割。鉴于需要分割的数据体积较大，定制化的自动分割方法在处理连续块面扫描电子显微镜细菌数据时被证明是最高效的。

尽管耗时，但提取乳腺上皮细胞膜聚焦离子束扫描电子显微镜图像的唯一方法是手动描记。分割方法的发展为这一新兴结构细胞生物学领域的研究人员铺平了道路，使其能够在大分子复合物、细胞器和细胞水平上探索并确定多种细胞培养、类器官培养或模式生物中的细胞三维结构。观看本视频后，您应能充分理解如何为您的数据集选择并应用最合适的分割方法。