概要

組織中の細胞の分布パターンを画像解析から評価するため、Fiji(ImageJ)で使えるマクロを作成した。
評価基準にはHSI(Hopkins-Skellam index)という指数を用いている。

HSI(Hopkins-Skellam index)とは

HSIとは植物集団における個体の分布パターンを分類するためHopkinsとSkellamにより考案された指標である。ある領域内の点群についてこれを求めると、分布がランダムであればHSIは1に近く、凝集・集合が起こっている状態では1より大きく、regularに分布していれば1より小さくなる(Hopkins & Skellam, 1954)。

使用法

画像の前準備

1)Fiji(またはImageJ)で画像を開く

2)カラー画像の場合は8bit画像に直す
　Image > Type > 8-bit

3)着目したい粒子のみが選択されるよう、Thresholdを設定する
　Image > Adjust > Threshold →(設定)→ Apply

　　
　　　　⬇︎
　　

粒子群の位置測定

4)測定内容の設定：
　Analyze > Set Measurements...
　→ Center of massにチェック☑︎ → OK
　　

5)粒子の重心座標を測定：
　Analyze > Analyze Particles...
　・着目する粒子群以外に小さな塵などが認識されている場合は、
　　"Size"の下限を引き上げることで解析対象から除外できる。
　・Display Resultsにチェック☑︎を入れておくと、測定終了後に
　　結果がResultウィンドウで表示される。
　　

HSIの算出 - マクロの実行

6)以下のマクロを実行する。
　マクロウィンドウはPlugins > New > Macroなどから開ける。

obtainHSI.ijm

macro "obtainHSI"
{
	getDimensions(width, height, channels, slices, frames);
	
	r1sum=0;
	r2sum=0;
	for(k=0;k<1000;k++)
	{
		for(j=1;j<nResults();j++)
		{
			r1sum=r1sum+getNearestDistanceSquare(random()*width,random()*height);
			r2sum=r2sum+getNearestDistanceSquare(getResult("XM",j),getResult("YM",j));
		}	
	}
	showMessage(r1sum/r2sum);
	
	function getNearestDistanceSquare(x,y)
	{
		nearestDistanceSquare=width*width+height*height;
		for(i=1;i<nResults();i++)
		{
			DistanceSquare=(getResult("XM",i)-x)*(getResult("XM",i)-x)+(getResult("YM",i)-y)*(getResult("YM",i)-y);
			if(DistanceSquare<nearestDistanceSquare&&0<DistanceSquare)
			{
				nearestDistanceSquare=DistanceSquare;
			}
		}
	return nearestDistanceSquare	
	}
}

7)算出されたHSIがMessageウィンドウに表示される
　　