QuPath

QuPath 是一款用于生物图像分析的开源软件。

其功能包括：

• 丰富的工具用于标注和查看图像，涵盖全切片图像及显微镜图像；
• 针对明场与荧光图像分析的工作流程；
• 面向常见任务的新算法，如细胞分割、组织微阵列去排布等；
• 用于对象和像素分类的交互式机器学习；
• 通过脚本实现的自定义功能、批处理以及数据查询；
• 易于与其他工具（如 ImageJ）集成。

要 下载 QuPath，请访问 最新版本页面。

有关 文档，请参阅 https://qupath.readthedocs.io。

如需 帮助和支持，可尝试访问 image.sc 或查阅 此处链接。

若想 从源代码构建 QuPath，请参考 此处。

如果您在已发表的研究工作中使用了 QuPath，请务必 引用相关文献！

QuPath 是一项仅面向科研用途的学术项目。 该软件根据 GPLv3 协议免费提供，旨在促进开放透明的分析方法，并为科研工作提供实用工具。

开发与支持

QuPath 目前由爱丁堡大学的以下团队成员积极开发：

• Pete Bankhead（创始人）
• Fiona Inglis
• Alan O'Callaghan
• Léo Leplat
• Laura Nicolás-Sáenz

过往的 QuPath 开发团队成员包括：

• Melvin Gelbard
• Mahdi Lamb

所有贡献者名单请见 此处。

本项目得以顺利推进，部分归功于以下机构的资助：

• Wellcome Trust 技术开发基金（2022年至今）
• CZI 科学领域关键开源软件计划第四轮（2022—2025年）
• CZI 科学领域关键开源软件计划第一轮（2020—2022年）
• Wellcome Trust / 爱丁堡大学机构战略支持基金 (ISSF3)（2019—2020年）

---

背景

QuPath 最初由 Pete Bankhead 在贝尔法斯特女王大学任职期间设计、实现并编写文档，Jose Fernandez 提供了额外的代码和测试支持。

截至 v0.1.2 版本的代码版权归北爱尔兰贝尔法斯特女王大学所有，创作时间为 2014—2016 年。这些版本是在以下项目的资助下完成的：

• Invest Northern Ireland（RDO0712612）
• 英国癌症研究基金会加速器项目（C11512/A20256）

QuPath 快速上手指南

QuPath 是一款开源的生物图像分析软件，专为全切片成像（WSI）和显微镜图像设计。它提供细胞分割、组织微阵列解阵、交互式机器学习分类以及强大的脚本批处理功能，并支持与 ImageJ 无缝集成。

环境准备

• 操作系统：支持 Windows、macOS 和 Linux。
• Java 环境：
  • QuPath 自带运行时环境，通常无需单独安装 Java。
  • 若需进行二次开发或从源码构建，请确保安装 Java 17 或更高版本。
• 硬件建议：
  • 内存：建议至少 8GB RAM，处理大型全切片图像时推荐 16GB 或以上。
  • 存储：预留足够空间存放大型图像数据及临时缓存文件。

安装步骤

QuPath 提供预编译的二进制包，推荐直接下载解压使用，无需复杂安装命令。

1. 下载安装包 访问官方发布页面下载最新版本：

   https://github.com/qupath/qupath/releases/latest
   

   • Windows 用户：下载 QuPath-x.x.x-win.zip
   • macOS 用户：下载 QuPath-x.x.x-mac.zip (Intel/Apple Silicon 通用)
   • Linux 用户：下载 QuPath-x.x.x-linux.tar.gz

2. 解压与运行

   • Windows: 解压 ZIP 文件，双击运行 QuPath.exe。
   • macOS: 解压后，将 QuPath.app 拖入“应用程序”文件夹，或直接双击运行。
     • 注意：若首次运行提示“无法打开”，请在“系统设置”>“隐私与安全性”中允许运行，或在终端执行：

     xattr -cr /Applications/QuPath.app
     

   • Linux: 解压 tar.gz 文件，进入目录并赋予执行权限后运行：

     tar -xzf QuPath-*-linux.tar.gz
     cd QuPath-*
     chmod +x QuPath
     ./QuPath
     

基本使用

以下是最简单的操作流程，用于打开图像并进行基础的细胞检测：

1. 启动项目 打开 QuPath，点击 File > New Project 创建一个新项目文件夹（可选，但推荐用于管理数据）。

2. 导入图像 将生物图像文件（如 .svs, .ndpi, .tif, .ome.tif 等）直接拖入 QuPath 主窗口，或通过 File > Open... 加载。

3. 运行细胞检测（示例） 在菜单栏选择 Analyze > Cell detection > Run cell detection。

   • 在弹出的对话框中，根据图像类型（明场/Brightfield 或 荧光/Fluorescence）调整参数。
   • 点击 Run，软件将自动分割细胞并在图像上叠加标注。

4. 脚本批处理（进阶） 按 Ctrl+Shift+B (Windows/Linux) 或 Cmd+Shift+B (macOS) 打开脚本编辑器。输入以下 Groovy 脚本示例以打印当前图像中的细胞数量：

   // 获取当前图像中的所有检测对象
   def detections = getDetectionObjects()
   
   // 输出数量
   print "检测到的细胞数量：" + detections.size()
   
   // 遍历并打印每个细胞的面积
   detections.each { cell ->
       println "细胞 ID: ${cell.getID()}, 面积：${cell.getMeasurementList().getMeasurementValue('Area µm^2')}"
   }
   

   点击编辑器上方的绿色运行按钮即可执行。

5. 导出结果 选择 File > Export measurements 可将分析结果导出为 CSV 格式，以便在 Excel 或 Python/R 中进一步分析。