- Whole slide imagesで効率よく解析する必要があり、QuPathが向いているということで、まずは手っ取り早く必要な操作を学ぼうと、ChatGPT5 Thinkingで検索をかけてみた結果です。
核がヘマトキシリン、細胞質がDABのH-DAB画像で「核カウント（＋必要ならDAB陽性/陰性判定）」を扱う代表的な動画を挙げます。
- Detecting (Positive) Cells with QuPath（Pete Bankhead）— H-DABでの陽性細胞検出の考え方と手順。核はヘマトキシリンチャネルで検出し、DABで陽性/陰性分類する流れを解説。 (YouTube)
- 4 – Cell detection vs Positive cell detection（Pete Bankhead）— 「Cell detection（核カウント中心）」と「Positive cell detection（核カウント＋DAB陽性判定）」の違いを理解するのに最適。 (YouTube)
- QuPath tutorial #2 – IHC analysis（再生リスト）— IHC解析の一連の手順（染色分離、パラメータ調整、陽性細胞検出）をまとめて視聴可能。 (YouTube)
- 8 – Smoothing and fragmented nuclei（Pete Bankhead）— 断片化核やノイズ対策のパラメータ調整（ガウシアン/メディアン）を具体的に解説。核カウント精度の改善に有用。 (YouTube)
- Cell Detection and Cell Measurements（Sara McArdle）— QuPathのセル検出と計測の実演。核検出パラメータの見直しに役立つ。 (YouTube)
- QuPath: Cell Detection（Michael Nelson ほか）— セル検出の実演。H-DABでも応用できる基礎操作を押さえられます。 (YouTube)
あわせて、公式ドキュメントの「Cell detection」「Positive cell detection」は動画と同じ手順を文章＋図解で補完してくれます（動画を見ながらパラメータの意味を確認すると効率的です）。 (qupath.readthedocs.io)
もし「DAB陽性領域内だけの核数」を数えたい場合は、上記「Positive cell detection」に加えて、DABのOD（光学濃度）に基づく分類やアノテーション＋ピクセル分類器の併用が定番です（フォーラムの議論が参考になります）。 (forum.image.sc)
このうち、陰性と陽性の細胞数を知るのにおすすめはこの3本です（陰性/陽性の“件数”を出す手順がそのまま掴めます）：
-
Detecting (Positive) Cells with QuPath（Pete Bankhead）
H-DABでの染色分離→Positive cell detection→閾値調整→結果パネルで陽性・陰性のカウント確認、の流れをフルで実演。まずはこれ。 (YouTube) -
4 – Cell detection vs Positive cell detection
「Cell detection（核カウント）」と「Positive cell detection（陽性/陰性分類つき）」の違いを短時間で整理。どの操作を使えば“陰性と陽性の数”になるかが明確に。 (YouTube) -
QuPath tutorial #2 – IHC analysis（再生リスト）
H-DABの実務手順を通しで学べます。陽性判定のスコア設定（DAB OD mean/max、核/細胞質/Cell）と**集計（結果テーブルの陽性/陰性数）**まで一貫。 (YouTube)
補足：Ki67などIHCの陽性率算出の実演も参考になります（計測～割合の見方）。 (YouTube)
※見どころ
- メニュー：Analyze → Cell analysis → Positive cell detection
- Score compartment：核 or 細胞質（DABの局在に合わせる）
- 結果パネル：Positive / Negative の件数と割合が表示されます（エクスポート可）。公式ドキュメントも併読すると理解が早いです。 (qupath.readthedocs.io)