IHC 图像定量：分离染色、测量 DAB 并生成报告

用一张 IHC 图像，在 PathoWish 中建立包含染色分离、组织内 DAB 定量和核候选测量的分析项目。完成后，你将得到叠加图、逐对象表、汇总报告和可继续修改的 Python 代码。

本例使用 512 × 512 的公开图像，测得组织内 DAB 面积占比为 46.88%，得到 471 个核候选。下面从添加数据开始，逐步完成这个项目。

1. 准备图像并添加到项目

示例使用 scikit-image 的 immunohistochemistry 图像。图像由 CMMI 提供，展示以苏木精复染、DAB 显色的结肠组织。可以在已有 scikit-image 和 Pillow 的 Python 环境中保存图像：

from skimage import data
from PIL import Image

Image.fromarray(data.immunohistochemistry()).save("ihc.png")

打开 PathoWish，按以下步骤设置：

1. 进入“数据与范围”，选择研究项目和“本地执行”。
2. 点击“选择工作目录”，指定本项目保存代码与结果的位置。
3. 在“研究数据”点击“＋ 增加数据”，用途填写“IHC 图像的染色分离与定量分析”。
4. 数据类型选“单个文件”，点击“选择路径并添加”，选中 ihc.png。
5. 在“运行环境”选择项目环境。已有环境可从“复用之前项目的环境”选择；新项目可选择“为此项目准备独立环境”。

本次复用了 Python 3.12 环境，所需包为 NumPy、SciPy、scikit-image、Matplotlib 和 Pillow，计算使用 CPU。项目会根据实际模块检查依赖。

本次原始文件为 477,916 字节，SHA-256 为 f8dd1aa387ddd1f49d8ad13b50921b237df8e9b262606d258770687b0ef93cef。重新编码 PNG 时，文件哈希可能改变；复现时同时核对图像内容、尺寸与保存参数。

2. 提交你要得到的结果

点击“提交建模需求”，也可以在“建模项目”点击“提交新需求”，输入：

请分析我选中的 IHC 图像：分离苏木精和 DAB 染色，在组织范围内统计 DAB 面积比例，提取核候选并导出逐对象表、边界叠加图和面积分布图。请根据图像选择合适参数，独立编写项目代码，使用 CPU 运行，并生成带 PathoWish 品牌的图表报告。结果中记录方法、参数和运行环境，方便我继续修改和复现。

点击“下一步：核对需求”，确认图像、工作目录和运行环境后提交。模型将确定阈值、对象大小规则和图表形式，并在结果中记录这些选择。

3. 查看文献方法并确认方案

在阶段 1“调研文献与资源”查看方法调研，进入阶段 2“确认方案与仓库”核对实施方案。

本例参考 scikit-image 论文，提取染色通道处理、图像区域测量和分水岭分割等模块思路。模型按 IHC 任务独立组织代码，项目依赖也按实际需要配置。

需要补充文献时，从 PeerJ 文章页下载 PDF，在阶段 2 的“参考文献与自备材料”点击“＋ 添加 PDF 文献”。显示“已导入 · 确认方案后使用”后，核对标题和选中状态。

确认方案中包含以下输出：

勾选“我已核对方案与所选仓库，确认按以上方案开发”，点击“确认方案并开始定制开发”。

4. 查看实现与运行进度

阶段 3“分析源码与定制开发”展示代码实现，阶段 4“验证并查看结果”展示运行与结果审阅。点击不同阶段可以查看对应内容，后台任务持续执行。

本项目先读取图像并分离染色通道，再分别计算 DAB 面积与核候选，最后核对掩膜、对象表和指标。模型根据真实日志处理技术调整；需要你确定研究目标时，会在宿主对话中给出选项。

5. 阅读图表与测量结果

在“结果与图表”依次查看染色分离、DAB 叠加和核候选图。

分离图展示原始图像、苏木精通道和 DAB 通道。显示范围按第 99 百分位调整，定量计算使用原始通道值。

组织掩膜采用“饱和度大于 0.08 或灰度小于 0.90”的规则，随后执行半径 2 像素的闭运算和 64 像素的最小区域过滤。DAB 阈值由组织内通道值的 Otsu 方法确定，本次为 0.062150739。

核候选使用 H 通道、1 像素高斯平滑、距离变换和标记分水岭。最小对象面积为 12 像素，峰间距为 5 像素。查看边界时，重点核对相邻对象粘连、细小对象和轮廓完整性。

本例完成 6 项验证，覆盖输入文件、通道对齐、数值范围、掩膜包含关系、面积比例和对象测量一致性。DAB 比例按 117320 / 250281 复算；对象表中的 ID、面积和质心与实例标签图逐一对应。

这些结果描述本张图像在所选参数下的染色与对象特征。面积采用像素单位；候选分割质量可在后续加入人工标注后，用 Dice、实例匹配等指标评价。

6. 打开报告，继续修改项目

点击“打开结果文件夹”，查看数组、CSV、图像和带 PathoWish 标识的 HTML 汇总报告。点击“打开项目代码”，进入本次生成的项目目录。

你可以继续提出具体修改，例如：

请把核候选最小面积改为 20 像素，保留当前版本，创建新版本运行，并在报告中比较两版的对象数量和面积分布。

也可以补充像素间距，将面积转换为物理单位；或者加入核标注，扩展实例分割评价。方法、依赖和参数说明与代码一同保留，便于后续开发与开源整理。

数据与方法来源

• 图像：Center for Microscopy And Molecular Imaging（CMMI），经 scikit-image 公开示例提供；来源页面标注无已知版权限制。
• 方法：Van der Walt et al. *scikit-image: image processing in Python*. PeerJ, 2014. DOI: 10.7717/peerj.453。
• 实现参考：IHC 染色分离、标记控制分水岭。

实验记录：2026 年 10 月 15 日，项目版本 version-8c36209373ce、运行 run-640283a637，由 PathoWish 实际项目后端执行，当前会话模型完成方法阅读、代码生成与结果审阅。