imagej課程：StarDist for Fiji

StarDist for Fiji 使用教學

什麼是 StarDist？

StarDist 是一種基於深度學習的實例分割（Instance Segmentation）工具，特別適用於生物顯微影像。它利用「星形凸多邊形（Star-convex Polygon）」模型，能有效偵測形狀接近圓形、橢圓形或不規則但中心放射狀的物體，如細胞或細胞核。

其 Fiji 插件版本支援 2D 影像與 2D 時間序列（time-lapse） 的分割任務。

---

安裝 StarDist plugin

fiji上有兩種stardist可以使用，一個是單純的stardist plugin，安裝方式：

1. 開啟 Fiji
2. 選擇上方選單：Help > Update...。
3. 在 Updater 視窗中，點擊左下角的 Manage update sites 按鈕。
4. 在更新站點列表中，找到並勾選以下兩個站點：
   • CSBDeep
   • StarDist
5. 點擊 Close 按鈕返回，然後點選 Apply changes 開始安裝。
6. 安裝完成後，重新啟動 Fiji。

另一種是在 DeepImagej裡，只要安裝DeepImagej就可以使用

1. 到Help > Update...安裝DeepImageJ
2. 執行Plugins › DeepImageJ › DeepImageJ StarDist
3. 第一次使用時，會先要求你安裝python。但安裝後第一次執行可能出現error，這問題可能來自共享記憶體的實作有問題。需要手動換掉 Fiji 中的 JNA 函式庫：
   1. 到官方 JNA GitHub：https://github.com/java-native-access/jna下載 JNA 最新 release（建議用 5.12.1 或以上）找到最新版本的jna.jar和jna-platform.jar
   2. 把它們放進： Fiji.app/jars/，若該資料夾已有舊版 jna.jar，請先備份並移除。

目前我使用的是第二種方法，因為第一種方法中，但新版的fiji使用的java 21 是目前 StarDist/CSBDeep 尚未正式支援的版本，目前無法正常使用，會出現各種 ClassLoader 問題。

---

使用 StarDist 插件分割影像

1. 載入影像

• 開啟一張 2D 或 2D 時間序列影像。
• 支援單通道灰階影像（如 DAPI 螢光）或 RGB 彩色影像（如 H&E 病理切片）。
• 測試影像也可從 Broad Bioimage Benchmark Collection 取得。
• 影像預處理：在執行 StarDist 前，進行適當的預處理（如背景扣除、對比度增強）有時能提升分割效果。
• 3D 影像：目前不支援 3D 影像分割。若有 3D 分割需求，請改用 Python 版本的 StarDist。

2. 啟動與設定

主要設定項目

• 模型選擇 (Neural Network Model):

  • Versatile (fluorescent nuclei)：適用於單通道螢光影像中的細胞核。
  • Versatile (H&E nuclei)：適用於 RGB 病理切片影像中的細胞核。
  • Custom...：可選擇自訂模型（.zip 檔），從本機或網路 URL 載入。

• 影像正規化 (Image Normalization):

  • 預設使用百分位數 (Percentile) 進行正規化，將影像亮度拉伸到最佳範圍。
  • 可依影像亮度特性調整百分位數，或選擇不進行正規化。

• NMS 後處理 (Non-Maximum Suppression):

  • Probability/Score Threshold：預測為物件的機率門檻。數值越高，篩選越嚴格，偵測到的物件數越少但越可靠。
  • Overlap Threshold：允許分割物件之間重疊的程度。數值越高，越能容忍相鄰或重疊的物件。

• 輸出格式 (Output Type):

  • Label Image：輸出一張已標記的分割圖，每個物件有不同的 ID（灰階值）。
  • ROI Manager：將每個分割出的物件輪廓加入 ROI 管理器，方便進行後續的測量與分析。
  • Both：同時輸出 Label Image 並加入 ROI Manager。

進階選項 (Advanced Options)

• n-tiles：設定影像平鋪處理的數量。當處理高解析度大圖時，可增加此數值（如 2x2 或 4x4）以避免記憶體不足。
• Restore Default Parameters：一鍵還原所有預設參數。