DNA微阵列的数字图像处理
数字图像处理_课件_3
21
航拍图像的幂律变换增强
数第 字三 图章 像灰 处度 理变
换 与 空 间 滤 波
a. 原始图像
b. C=1, =3.0 c. C=1, =4.0 (最佳) d. C=1, =5.0
s cr c 1
22
电子显微镜扫描
3.2.4 对比度拉伸
的 放 大 约 700 倍 的花粉图像
➢ 因此，归一化后的直方图由 p(rk ) nk / MN 给 出，其中k＝0, 1, …, L-1。
29
数第 字三
➢ p(rk)是灰度级rk在图像中出现的概率的一
图 章 个估计。
像灰
处 度 ➢ 归一化直方图的所有分量之和应等于1。
理变
换 与
➢ 直方图是多种空间域处理技术的基础。
空
间
滤
波
30
数第 字三 图章 像灰 处度 理变
换 与 空 间 滤 波
4. 一般情况下，从输入图像的左上角开始处理，以 水平扫描的方式逐像素地处理，每次一行
5. 当该邻域的原点位于图像的边界上时，部分邻域 将位于图像的外部。此时，可以用0或者其它指定 的灰度值填充图像的边缘，被填充边界的厚度取 决于邻域的大小。
以上处理称为空间滤波，邻域与预定义的操作一 起称为空间滤波器。
与 为输出中较宽范围的灰度值，可以扩展图像
空 间
中暗像素的值，同时压缩高灰度级的值。
滤 波
➢ 反对数变换的作用与此相反。
17
傅里叶频谱及其对数变换
数第
字三
图章
像灰
处度
理变
换
与
空
间 滤
傅立叶频谱的对数变换，s
c
数字图像处理
第一章概论一、数字图像与像素数字图像是由一个个的像素（Pixel）构成的，各像素的值(灰度，颜色)一般用整数表示。
二、数字图像处理的目的1、提高图像的视觉质量。
2、提取图像中的特征信息。
3、对图像数据进行变换、编码和压缩。
三、工程三层次图像处理、图像分析和图像理解图像理解符号目标像素高层中层低层高低抽象程度数据量操作对象小大语义图像分析图像处理四、图像处理硬件系统组成图像输入设备（采集与数字化设备，如数码相机），图像处理设备（如PC机）和图像输出设备（如显示器，打印机）第二章数字图像处理基础一、图像数字化过程----采样与量化模拟图像的数字化包括采样和量化两个过程。
细节越多，采样间隔应越小。
把采样后得到的各像素的灰度值进一步转换为离散量的过程就是量化。
一般，灰度图像的像素值量化后用一个字节(8bit)来表示。
二、采样、量化与图像质量的关系采样点数越多，图像质量越好；量化级数越多，图像质量越好。
为了得到质量较好的图像采用如下原则：对缓变图像，细量化，粗采样，以避免假轮廓。
对细节化图像，细采样，粗量化，以避免模糊。
三、图像尺寸、数据量、颜色数量的计算灰度图像的像素值量化后用一个字节(8bit)来表示。
彩色图像的像素值量化后用三个字节(24bit)来表示。
一幅512X512（256K）的真彩色图像，计算未压缩的图像数据量是多少？（必考）图像总像素：512px*512px=256K总数据量：256K*3Byte=768KB一幅256X256（64K）的真彩色图像，计算未压缩的图像数据量是多少？图像总像素：256px*256px=64K总数据量：64K*1Byte=64KB四、数字图像类型二值图像、灰度图像、索引颜色图像)和真彩色图像。
五、数字图像文件的类型jpg、bmp、tif、gifJPEG采用基于DCT变换的压缩算法,为有损压缩。
六、图像文件三要素文件头、颜色表、图像数据七、读取一个图像，并将其尺寸缩小0.5倍，将缩小后的图像旋转30度。
数字图像处理技术在医学中的应用
数字图像处理技术在医学中的应用数字图像处理技术（Digital Image Processing，DIP）是利用计算机对图像进行数字化处理、计算、分析和显示的一种技术。
它在医学中的应用已经越来越广泛。
数字图像处理技术可以提高医学图像的分辨率和对比度，强化图像的特征，使得医生能够更准确地诊断病情。
下面介绍数字图像处理技术在医学中的应用。
1. 医学图像的增强数字图像处理技术可以提高医学图像的质量。
例如，对于X光图像、CT图像和MRI图像，通过图像增强技术可以使得医学图像更加清晰、更具有诊断价值。
在数字图像处理中，常用的图像增强技术有灰度变换、空间滤波、频域滤波、直方图均衡化等。
其中，灰度变换可以根据不同的图像特点选择不同的转换函数，从而达到增强图像的目的。
空间滤波则是通过改变像素值来达到增强目的，例如均值滤波、中值滤波等。
频域滤波则是通过对图像进行傅里叶变换，在频域上进行滤波，最后将结果通过反傅里叶变换得到处理后的图像。
直方图均衡化通过改变像素分布来达到增强图像的效果。
2. 医学图像的分割数字图像处理技术可以将图像中的不同区域分离出来，从而实现医学图像的分割。
医学图像的分割在疾病诊断和治疗规划中具有重要的作用。
图像分割通常包括基于阈值法的分割、区域生长法、边缘检测、水平线分割等。
其中，区域生长法是一种当前广泛应用的分割方法，它首先选择一个种子点，然后根据一定的生长规则，将与该种子点相连接的像素点划分到同一分割区域中。
在实际应用中，可以通过多种不同的聚类算法，如K-Means聚类算法、模糊C均值聚类算法等，来实现图像的自动分割。
3. 医学图像的特征提取数字图像处理技术可以提取医学图像中的特征，从而实现对疾病的自动诊断和分析。
医学图像特征提取涉及到图像处理、模式识别及人工智能技术等多个领域。
医学图像的特征提取通常包括形态学特征、灰度特征、纹理特征、几何特征等。
例如，在乳腺癌检测中，可以通过乳腺X光照片中的等高线、边缘、纹理等特征，进行乳腺癌的自动识别和分析。
23887《数字图像处理(第3版)》习题解答(上传)
如果每100万个可能的图标中有一个有意义，识别一个有意义的图标需要0.1 s,则选出所有
有意义的图标需要多长时间？
解：图标数为832X32= 10925种
有意义的图标数10925/106= 10919种
选择有意义图标的时间10919X0.1= 10918S
颜色模型规定了颜色的建立、描述和观察方式。颜色模型都是建立在三维空间中的，所 以与颜色空间密不可分。
2.2色调、色饱和度和亮度的定义是什么？在表征图像中一点的颜色时，各起什么作用？
答：HSV模型由色度（H）,饱和度（S）,亮度（V）三个分量组成的，与人的视觉特 性比较接近。HSV颜色模型用Munsell三维空间坐标系统表示。
答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点：
1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性
高。
2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。
3．数字图像处理技术适用面宽。
4．数字图像处理技术综合性强。
1.3数字图像处理主要包括哪些研究内容？
图像存储器、图像输出设备等组
成。软件系统包括操作系统、控
制软件及应用软件等。教材图2.6数字图像处理系统结构图
2.6常见的数字图像处理开发工具有哪些？各有什么特点？
答．目前图像处理系统开发的主流工具为Visual C++（面向对象可视化集成工具）和
MATLAB的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有相互
以看成是静态的图像。图形是人工或计算机生成的图案，而动画则是通过把人物的表情、动 作、变化等分解后画成许多动作瞬间的画幅，再用摄影机连续拍摄成一系列画面，给视觉造 成连续变化的图画。视频和动画都利用了视觉暂留原理。
数字图像处理入门ppt课件
– 如何构建一个矩阵？如何取得矩阵中具体一个 元素的值，如何修改一个（块）元素的值？
– 写一个循环程序，遍历整个矩阵，把每个像素 的值做一个变换，如y = 3x+1
– 矩阵的基本运算：加，减，乘，点乘 – 求一个图像的负片，用两种方法（一种是循环
遍历，一种是矩阵运算）实现。
六、图像的基本运算
•减
– C(x,y) = A(x,y) - B(x,y)
• 应用举例
– 显示两幅图像的差异，检测同一场景两幅图像 之间的变化
六、图像的基本运算
• 点乘
– C(x,y) = A(x,y) .* B(x,y)
六、图像的基本运算
•与
– g(x,y) = f(x,y) ∧ h(x,y)
一、数字图像的概念
图像（Image）： 视觉景物的某种形式的表示和记录
我们把数字格式存储的图像称为“数字图像”
“数字”
“模拟”
计算机存储的图片 传统光学照片
数码相机拍摄的图像 传统的电视图像
传感器阵列
模拟图像
三步
数字图像
1.采样 空间离坐标(x,y)的离散化， 确定水平和垂直 方向上的像素个数N、M，f(x,y)→f(m,n)
如何获得图像中第m行n列像素的灰度值？如果是彩色 图像呢？ – 如何吧真彩色图像转换成灰度图像，然后转换成二值 图像？ – 如何得到该图像中灰度值最大（最小）的像素的位置 和取值？如何计算图像的均值？ – 什么是灰度图像的直方图？如何计算灰度图像直方图， 如何显示/直方图反映图像的什么性质？
作业2
图像的直方图
21
不同图像的直方图反映图像的不同特点：
对比度低 对比度高
22
数字图像处理的基本方法
一、图像的预处理技术图像处理按输入结果可以分为两类，即输入输出都是一副图像和输入一张图像输出不再是图像的数据。
图像处理是个很广泛的概念，有时候我们仅仅需要对一幅图像做一些简单的处理，即按照我们的需求将它加工称我们想要得效果的图像，比如图像的降噪和增强、灰度变换等等。
更多时候我们想要从一幅图像中获取更高级的结果，比如图像中的目标检测与识别。
如果我们将输出图像中更高级的结果视为目的的话，那么我们可以把输入输出都是一幅图像看作是整个处理流程中的预处理。
下面我们将谈到一些重要的预处理技术。
（一）图像增强与去噪图像的增强是一个主观的结果，原来的图像按照我们的需求被处理成我们想要的效果，比如说模糊、锐化、灰度变换等等。
图像的去噪则是尽可能让图像恢复到被噪声污染前的样子。
衡量标准是可以度量的。
不管是图像的增强与去噪，都是基于滤波操作的。
1．滤波器的设计方法滤波操作是图像处理的一个基本操作，滤波又可分为空间滤波和频域滤波。
空间滤波是用一个空间模板在图像每个像素点处进行卷积，卷积的结果就是滤波后的图像。
频域滤波则是在频率域看待一幅图像，使用快速傅里叶变换将图像变换到频域，得到图像的频谱。
我们可以在频域用函数来保留或减弱/去除相应频率分量，再变换回空间域，得到频域滤波的结果。
而空间滤波和频域滤波有着一定的联系。
频域滤波也可以指导空间模板的设计，卷积定理是二者连接的桥梁。
（1）频域滤波使用二维离散傅里叶变换（DFT ）变换到频域：∑∑-=+--==10)//(210),(),(N y N vy M ux i M x e y x f v u F π使用二维离散傅里叶反变换（IDFT ）变换到空间域：∑∑-=-=+=1010)//(2),(1),(M u N v N vy M ux i e v u F MN y x f π在实际应用中，由于该过程时间复杂度过高，会使用快速傅里叶变换（FFT ）来加速这个过程。
现在我们可以在频域的角度看待这些图像了。
数字图像处理小结
数字图像处理综述前言：近几十年，数字图像处理技术在数字信号处理技术和计算机技术发展的推动下得到了飞速的发展，正逐渐成为其他科学技术领域中不可缺少的一项重要工具。
数字图像处理的应用领域越来越广泛，从空间探索到微观研究，从军事领域到工农业生产，从科学教育到娱乐游戏，越来越多的领域用到了数字图像处理技术。
1、什么是数字图像处理：数字图像处理(Digital Image Processing) 又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机及其他相关的数字技术，对其进行运算和处理，从而达到某种预期的处理目的。
2、数字图像的研究内容：数字图像处理技术,主要研究的内容:图像变换、图像编码压缩、图像增强和复原、图像分割、图像分类(识别) 等。
1) 图像变换。
由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。
因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效地处理(如傅立叶变换可在频域中进行数字滤波处理) 。
目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。
2) 图像编码压缩。
图像编码压缩技术可减少描述图像的数据量(即比特数) ,以便节省图像传输、处理时间和减少所占用的存储器容量。
压缩可以在不失真的前提下获得,也可以在允许的失真条件下进行。
编码是压缩技术中最重要的方法,它在图像处理技术中是发展最早且比较成熟的技术。
3) 图像增强和复原。
图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。
图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。
如强化图像高频分量,可使图像中物体轮廓清晰,细节明显;如强化低频分量可减少图像中噪声影响。
图像复原要求对图像降质的原因有一定的了解,一般讲应根据降质过程建立“降质模型”,再采用某种滤波方法,恢复或重建原来的图像。
第3章_数字图像处理技术
居中。 在不太严格的场合，明度也可以看作是亮度。如果由明 而暗，制作一系列代表不同等级亮度(称为灰阶)的灰色方 块，则某个有色方块的亮度，可以在同一白光照射下， 忽略其色彩与饱和度属性，依靠视觉比较，找出亮暗感 觉相近的灰色方块，而以该灰色方块的亮度为其亮度
9
3.2 数字图像的基本概念
1. 图像的基本属性
图像的像素数目（Pixel
dimensions），是指位图图像 的宽度和高度方向上含有的像素数目。 一幅图像在显示器上的显示效果由像素数目和显示器的 设定共同决定。 (1)图像分辨率（Image resolution）指组成一幅图像的 像素密度的度量方法，通常使用单位打印长度上的图像 像素的数目多少，即用每英寸多少点(dot per inch，dpi) 表示。对同样大小的一幅图，如果组成该图的图像像素 数目越多，则说明图像的分辨率越高，看起来就越逼真。 相反，图像显得越粗糙。在同样大小的面积上，图像的 分辨率越高，则组成图像的像素点越多，像素点越小， 图像的清晰度越高。(图象清晰度、图象分解力) 10
矢量图主要用于工程图、白描图、卡通漫画、图例和三
维建模等。 矢量文件中的图形元素称为对象。每个对象都是一个自 成一体的实体，它具有颜色、形状、轮廓、大小和屏幕 位置等属性。在维持它原有清晰度和弯曲度的同时，多 次移动和改变它的属性，而不会影响图例中的其它对象。 例如：一个圆可以表示成圆心在(x1,y1)，半径为r的图形； 一个矩形可以通过指定左上角坐标(x1,y1)和右下角坐标 (x2,y2)的四边形来表示。 基于矢量的绘图同分辨率无关。存盘后文件的大小与图 形中元素的个数和每个元素的复杂程度成正比 19
29
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ＯＯ２年１月 第１９卷第１期
中国医学物理学杂志 一１７一 Ｊ｜ｎ，２００２ ＶｏＬ１９ Ｎｏ１
ＤＮＡ微阵列的数字图像处理
都立巍’，单如梅 （第一军医大学１．全军重点医学图像研究室 李树祥‘，韩慧霞 ２垒军重点肿瘤研究所，广东广州５１０５１５）
摘要：从擞阵列囤锥中提取基因表选和识剐基因，井进一步测定基因的萌能是ＤＮＡ擞阵列研究的主要目标。而擞阵列 圉像处理通过定住和提取每个ｅＤＮＡ靶点上振升的信号强度，井通过计算平均灰度值和分折强度比丰等为生轴学謇进 行更高层的基因分析提供必要条件。奉文介绍采用虹绿双色荧光标记杂交实验进行擞阵列图像处理几个关键步暮：擞 阵列靶区的分割、背景强度的提取、靶点检剥、靶点灰度提取、靶点表选程度分析。 关蕾词：图像处理；ＤＮＡ擞阵列；基因表达 中田分粪号： ｌ＿４ 文献标识码：Ａ 文章编号：１００５＿２０２Ｘ（２００２）ＯＪ—００１７－０３
前育：ＤＮＡ徽阵列技术，是最近生物基因芯片技术中发展 起来的的一个重要分支，其最大优点是能够在一个实验里同时 得到几千个基因的表达 １。ＤＮＡ微阵列杂交实验的每一个数据 点（靶点）表示一个特定基因在特定实验条件下的表选程度。实 验条件是要有徽阵列的构造（ＤＮＡ芯片）．即把几千个已知基 因分别放到固定位置的实验点（靶点）上．形成ＤＮＡ阵列，然后 整个阵列的靶点同时与要研究的某种细胞样率（ｅＤＮＡ混合 物）发生反应。对实验后的ＤＮＡ杂交膜进行扫描就得到了有待 进一步处理分析的ＤＮＡ徽阵列图像。 微阵列图像处理目的是要从每个ｅＤＮＡ靶点提取探测强 度或比率，逭样，生物学家能容易地解释结果，或作更进一步的 高层分析 微阵列图像可谲【于多种扫描方式和杂交方法（即荧 光或者放射性探针），为了简化讲述，本文选取双色荧光探针杂 交实验得到的傲阵列图像作为主要的图像处理对象。一悟典型 的彩色图像如图１。 在该例中，杂交实验采用两种染色标记（红色荧光标记和
图１ 红绿彩色ＤＮＡ擞阵列田像 绿色荧光标记）的双探针方式，通过扫描杂交实验生成杂交膜， 将两种探针的信号强度分别映射到ＲＧＢ彩色图像的相应颜色 通道中，形成一个彩色图像。微阵列构造为１４ｘ９６（１４￣９６ １１ ｐｌａｌｅｓ）共有１３４４十ｅＤＮＡ靶点。处理软件可以在微阵列图像 的相应通道中追踪ｅＤＮＡ靶点位置和强度并把它们映射到初 始ＤＮＡ阵列（芯片）的位点（ｐｌａｔｅ ｐｏｓｉｔｉｏｎ）上。具体实现ｅＤＮＡ 微阵列图像处理可为 下几个部分：阵列靶区的分割、背景强 度的提取、靶区检测、靶区灰度提取、比率分布分析。
１阵列靶区的分割 因为阵列中的每十靶点都被线性地扫描到相应的图像位 置上，所以可以安全地假定最终的待检测信号能自动排列在预 先定义的覆盖冈格上 如图２所示 同格的最初位置可以用手
收搞日期：２００１—６—１２ 作者简 ：郝￣（１９７６－）．男，垒军医学倒像重点宴验室硕士研究生 主要研究方向是可槐化和虚拟内窥镜。
工决定或在徽阵列没有明显丢失行或列信号的前提下，利用特 殊的定向记号（Ｌａｒｔｄｉｎｇ Ｌｉｇｈｔｓ）确定。由于不同的扫描过程和杂 交规范的复杂性，我们对覆盖同格的韧始位置采用手工设定的 方法 有时．初始的覆盖同格还并不能精确地分割靶点。还可利
维普资讯 http://www.cqvip.com １８一 中国医学钧理学杂志 第ｌ９卷第１期 ２００２年１月
用以下方法对网格定位：①检测高表达靶区；②查找靶区中心； ③从高表达靶区中心回归到它们对应子阵列的四个角点的坐 标。最后的回归方法可以避免由于噪声斑点或强度中心计算误 差造成的伪靶心定位。采用上述方法，每个靶区可以被准确地 分割，后续处理可以完全集中在一个个靶点上。由靶点的位置 可以追索回初始的ＤＮＡ．微阵列位点（ｐｌａｔｅ ｐｏｓｉ￣ｏｎ），这样，被 克隆的研究样本信鼠可以同每个靶点（即已知基因）联系上。
２背景强度的提取 因为整个微阵列图像的背景并不是均匀分布的，所以我们 要提取背景的局部强度。由于很多技术原因，微阵列荧光背景 ｌ曩声往往是渐进和平滑的。突变很少。如果突变发生，那／厶在它 周围的靶区的强度值一般不准确。通常某个靶点的局部背景强 度是通过计算相应网格（ｂｏｕｎｄｉｎｇ ｂｏｘ）边界点附近像素的平均 灰度值得到，但如果靶区过大，超过ｌＯｘｌＯ的范围形成一个大 斑块或者靶区充满整个网格，用这种方法计算局部背景值将不 准确。 典型的荧光背景可以用Ｇａｕｓｓｉａｎ分布模型来描述。例如， 如果我们任遗以某个靶区中心为中心的一个较大区域（例如， ３０ｘ３０像素），所有这种区域的灰度直方圉分布形式应该是相 似的，太部分背景像素灰度值相近，而靶区像素灰度值分布在 较高的灰度区间上。因此该直方图分布的高斯摸型的定位可以 提供渡靶区局部平均背景强度，直方图的左边区间提供了局部 背景强度的延拓。 ３靶区检测 撖阵列图像处理的难点之一是在网格区域（ｂｏｕｎｄｉｎｇ ｂｏｘ） 内划分靶区。每个靶区由于实验时ｅＤＮＡ放置的原因，一般略 呈环状。但是由于ｅＤＮＡ沉淀或交杂过程中引人的其他因素， 最终的真实靶区图像可能只是这种理想圆形靶区里的一个子 集（见图３）。因此在环状区域内测量精确靶区的真实强度显得 非常重要。 我们在此先采用了图像分析惯用的固定闰值法。阈值 由 局部背景平均强度ｍ和它的标准差５决定： ＝ｍ＋３５。但是， 简单的固定阈值法在对低表达的靶点进行分析时往往由于信 号与背景差异过小而失败。为了避免这种情况．需要采用一些 复杂的阐值方法。可以采用的方法之一是用Ｍａｎｎ—Ｗｈｉｔｎｅｙ方 法口，这个方法从背景中提取样本点，然后对靶区像素点进行加 田３理想圆形靶区中的真实靶医 权和假设测试（ｒ阻ｋ—ｓ１ｌｍ ｈｙｐｏｔｈｅｓｉｓ ｔｅＢｔ）。这种方法可以让用 户指定靶区捡铡的可信程度，因此具有较高的灵活性 ４靶区的强度值提取 靶区确定后，强度就可以被测量。对双色系统，我们首先把 从绿色通道检测剜的靶区和从红色通道捡测剜的靶区舍起来 分析。理由报简单：因为两个探针在相同的靶点被杂交，所以， 如果我们观察两者之一的输出结果，它必然属于同一措在靶 点。 探针信号强度测量值是靶区内的像素点的平均灰度值。红 色通道探针和绿色通道探针的测量值均等于将对应靶区内的 平均灰度减去局部背景灰度，于是红绿两种探针强度测量值的 比率（１Ｅｔ绿）就能计算出。很明显，比率测量为红绿两种探针对 应靶区测量到的平均强度的比率，平均强度测量在一定程度上 对数据产生一种平滑的作用。迁可选用以下两种比率测量方 法：一是计算红绿对应靶区内每对像素灰度值比率的平均值； 二是计算靶区内每个像素点位置的红一绿灰度值的线性回归的 斜率。
５比率分布分析 这就是用表达比率的计算来判定基因表达是否在红一绿的 通道之间存在显著整异。采用这种途径是凭直觉 ，因为红绿实 验采用两种类似样奉导致它们表达比率应近似等于１。假定从 撖阵列图像中提取出的比率（１）满足下列条件：∞规范化；② 不相关；③为非负值；＠常系数变化。比率分布可近似如下式：
广Ｔ （ ）一』 Ｌ 硝 ‘
ｃ（１“ ） 、／２．『ｒ 其分布参数能使用最大相似法估计．并且．比率校准采用 选代法（假定两种通道不是规范化的）。为了满足从红色剜绿色 没有强度变化这个无谓的假设，可选一组看隶基因作为研究对 像。它们被证实在大多数实验里是稳定的（即Ｒ／Ｇ＝１）。被称作 看家基因组是因为这些基因的巳知特性不但建立在生物学原 理之上．而且基于在无数实验条件变化下观察计算得剜的戚千 上万孜的实验结果，看隶基因组的选择已由对相应的ｍＲＮＡ 样品标整建摸，而这些ｍＲ／ｑＡ样品通过Ｃｙ３和Ｃｙ５两种方法 取自ｓＢｍ单元线（ＵＡＣＣ—９ｏ３）。 由看家基因组的实际数据估计得到的比率分布和预计的 比率分布（ｃ参数）很接近。此外．比率分布的峰值正确地被校 准为１，这真是我们所期望的，因为红绿两探针的实验样本在 本质上是相同的。将我们的测量建立在比率分布分析上的重要 性是：这样，我们对每一孜比率测量能够联系一个置信区间 （ｃｏｔＬｆｉｄｅｎｃｅ ｉｎｔｅｒｖａ１），以便每次有明显差异时能容易地被察 觉 更重要地，这种方法使我们可将每个比率测量值与一个比 率分布峰值联系起来。最终，从上述的方法中得到高质量的测 量值。
６展望和未来的工作 傲阵列图像处理技术的发展将随着微阵列密度的越来越
维普资讯 http://www.cqvip.com 中国医学物理学杂志 第１９卷第ｌ期 ２００２年１月 １９ 基因芯片图像分析所做的必要技术准备。我们全军医学图像重 点实验室一直以来都比较若注国内外这方面的进展，将在不久 以后推出一套共享的微阵列图像处理软件，供大家使用．并发 表更深人研究的相关论文。
参考文献： Ｉ１Ｊ Ｓｃｈｅｎａｍ．Ｑｕａｎｔｉｖｅ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｇｅｒｔｅ ｅｘｐｒｅ，ｓｓｉ￣ｐａｔｔｅｒｎｓ ｗｉｔｈ Ｂ ｃｏｍｐｌｅｍｅｎｔａｒｙ ＤＮＡ ｍｉｃｍ Ｔ ｙ口】Ｓｃｉｅｎｃｅ，１９９５，２７０，４６７－４７０． ［２】Ｍ．Ｂ．Ｅｉ虻 Ｓｌ￣ｌｌｍａｎ．ｅｔｃ Ｃｌｕｓｔｅｒ ａｎａｌｙｓｉｓ ａｎｄ ｄｉｓ山ｙ ０ｆ
ｇｅｎｏⅡＩｅ—ｗｉｄｅ∞ ｓ ０ｎ ｐ甜ｔ蚰 【刀．ＰｌＤｃ “ ０ｆ ｔｈｅ Ｎｍｉｏ￣ｌ Ａｃａｄｅｍｙ ０ｆ ｓｃｉ即懈，１９９８．９５０５）：１４８６３－８． 嘲Ｍ．Ｓｅｈｅｎａ，Ｄ．Ｓｈａｌｏｎ．ｅｔｅ．Ｑｕａｍｉｔａｔｉ，￣ｍｏｎｉｔｏｒｉｎｇ ｏｆ Ⅱｅ 。 嗍ｉ０ｄ ｐａｔｔｅｒｎｓ ｗｉｔｈ ａ ｏ０ｍｐｌｅ口 ｎ ｒｙ ＤＮＡ ｍｌｃｍｍ￣ｙ【ＪＪ Ｓｅｉｅｎｅ￣．１９９７，３８９（２强８２７一 １９９５．２７０：４６７＿７０， 【４Ｊ崔屹．等散字图像赴理技术与应用［＾ｆ１．电子工业出版社．１９９７ 【５】Ｄａｖｉｄ Ｊ．Ｋｎｔ￣ｋｉ，Ｌａｄｄｅ ｖｃ＋＋６【 Ｍｉｍ础Ｐｒｅｍ，１９９８． ｆ６】ｈｔｔｐ：／／ｖａｒｓ．ｅｐｄ．ｕｎｉｌ．ｃｈ／ｂｉｏｅｏｍｐｕｔｉｎｇ／ｔｕｍａｙ／ ｈ乜ＩＩ１．
Ｄｉｇｉｔａｌ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｏｆ ＤＮＡ ｍｉｃｒｏａｒｒａｙ ＨＡＯ Ｌｉ—ｗｅｉ‘，ＨＵＡ Ｒｕ—ｍｅｉ ，ＬＩ Ｓｈｕ－ｘｉａｎｇ ，ＨＡＮ Ｈｕｉ－ｘｉａ ｛Ｊ．Ｋｅｙ Ｌａｂ ｏｆＭｅｄｉｃａｌ ＰＬＡ，Ｆｉｒｓｔ ．ｙＭｅｄｉｃａｌ Ｕｎ￣ｒｓ＃ｙ．ｃ． ｇ甜 ５１０５１５： ２．Ｋｅｙ Ｌａｂ ｏｆ Ｔｕｍｏｒ Ｒｅｓｅａｒｃｈ．Ｆｉｒｓｔ Ｍｉｌｉｔａｒｙ肌 Ｕｎｉｖｅｒｓｉｔｙ，ｃ 曲“５１０５１５， ）