一、分析 H&E 图像的细胞数目

H&E 是彩色病理图，细胞核染成蓝紫色（苏木精 Hematoxylin），细胞质和基质呈粉红色（伊红 Eosin）。
一般用 StarDist + 颜色反卷积​ 提取核通道，再做检测和计数。

步骤概览

  1. 新建 QuPath 项目，导入 H&E 图像（.svs, .qptiff, .tif等）。
  2. 设置 Color Deconvolution Stains（默认 H&E）。
    • Analyze → Preprocessing → Estimate stain vectors或手动选择预设 “H&E”。
  3. 安装 StarDist 扩展，准备好模型（如 he_heavy_augment.pb）。
  4. 运行检测脚本（下面给出模板）。
  5. 查看细胞数目：左侧 Hierarchy → Detections 标签，右下角会显示计数；或通过测量表导出。

可直接运行的脚本（H&E）

import qupath.ext.stardist.StarDist2D

// Specify the model file (you will need to change this!)
def pathModel = 'D:/QuPath-0.7.0/model/he_heavy_augment.pb' //下载地址：https://github.com/qupath/models/tree/main/stardist

def stardist = StarDist2D.builder(pathModel)
.threshold(0.5) // Prediction threshold
.normalizePercentiles(1, 99) // Percentile normalization
.pixelSize(0.5) // Resolution for detection
.build()

// Run detection for the selected objects
def imageData = getCurrentImageData()
def pathObjects = getSelectedObjects()
if (pathObjects.isEmpty()) {
Dialogs.showErrorMessage("StarDist", "Please select a parent object!")
return
}
stardist.detectObjects(imageData, pathObjects)
println 'Done!'

二、分析荧光图像的细胞数目

荧光图（如 DAPI + FITC + Cy5）通常是 多通道灰度图，每个通道单独成像。
细胞核常用 DAPI（蓝色），可以用 单通道 StarDist 模型​ 直接检测。

步骤概览

  1. 新建 QuPath 项目，导入荧光图像（.czi, .nd2, .tif等）。
  2. 确认通道名：在 Image → Channels 里看到 DAPI, FITC等。
  3. 准备单通道模型（如 dsb2018_heavy_augment.pb）。
  4. 运行检测脚本（下面给出模板）。
  5. 统计并导出细胞数目。

可直接运行的脚本（荧光）

import qupath.ext.stardist.StarDist2D
import qupath.opencv.ops.ImageOps

def pathModel = 'D:/QuPath-0.7.0/model/dsb2018_heavy_augment.pb' //下载地址：https://github.com/qupath/models/tree/main/stardist

// 自动提取第一个通道（假设是核染色）
def stardist = StarDist2D.builder(pathModel)
.preprocess(
ImageOps.Channels.extract(0) // 取第一个通道
)
.threshold(0.5)
.normalizePercentiles(1, 99)
.pixelSize(0.5)
.build()

def imageData = getCurrentImageData()
def pathObjects = getSelectedObjects()
if (pathObjects.isEmpty()) {
Dialogs.showErrorMessage("StarDist", "Please select a parent object!")
return
}
stardist.detectObjects(imageData, pathObjects)
println 'Done!'

三、通用技巧与注意事项

  1. pixelSize 一定要匹配图像分辨率​
    • 在 QuPath 右下角状态栏可以看到 Pixel width/height（µm/pixel）。
    • 脚本里的 .pixelSize(...)要和这个值一致，否则检测不准或报错。
  2. threshold 调节​
    • 值低 → 检出多，可能有假阳性
    • 值高 → 检出少，可能漏检
    • 建议在 0.3–0.7 之间微调。
  3. 批量处理多张图​
    • 把所有图加入同一个 QuPath 项目。
    • 选中所有图片（Project标签里多选），运行脚本，每张图会自动检测并计数。
  4. 导出汇总表（Python 分析）​
    在 QuPath 中：Measure → Show detection measurements→ 保存为 CSV。
    然后在 Python 中用 pandas 汇总不同图像的计数：

import pandas as pd

df = pd.read_csv("H_E_cell_counts.csv", sep="\t", on_bad_lines="skip")
print("总细胞数（按行数）:", len(df))

安装StarDist插件

分析的结果

 

 

 

数据

 

python运行成功