calculateCellularity(CRImage)
calculateCellularity()所属R语言包：CRImage
Calculation of tumour cellularity
肿瘤单元数的计算
译者：生物统计家园网 机器人LoveR
描述----------Description----------
The function calculates the tumour cellularity of an image by counting tumour and non tumour cells.
函数计算，计算肿瘤和非肿瘤单元，肿瘤单元结构图像。
用法----------Usage----------
calculateCellularity(filename="",image=NA,classifier=NULL,cancerIdentifier=NA,KS=FALSE,maxShape=NA,minShape=NA,failureRegion=NA,colors=c(),threshold="otsu",classesToExclude=c(),numWindows=2,classifyStructures=FALSE,pixelClassifier=NA,ksToExclude=c(),densityToExclude=c(),numDensityWindows=4)
参数----------Arguments----------
参数：filename
A path to an image file.
一个图像文件的路径。
参数：image
If filename is undefined, an Image object
如果filename是不确定的，一个Image对象
参数：classifier
A SVM object, created with createClassifier or directly with the package e1071
一个SVM的对象，创建，与createClassifier或直接与包e1071
参数：cancerIdentifier
A string which describes, how the cancer class is named.
一个字符串，它描述了如何癌症类被命名为。
参数：KS
Apply kernel smoother?
适用于内核顺畅？
参数：maxShape
Maximum size of cell nuclei
最大规模的单元核
参数：minShape
Minimum size of cell nuclei
最小尺寸的单元核
参数：failureRegion
minimum size of failure regions
故障区域的最小尺寸
参数：colors
Colors to paint the classes
油漆类的颜色
参数：threshold
Which threshold should be uses, "otsu" or "phansalkar"
的阈值应使用“大津”或“phansalkar”
参数：classesToExclude
Should a class be excluded from cellularity calculation?
如果一个类被排除单元数计算？
参数：numWindows
Number of windows for the threshold.
窗户的数量阈值。
参数：classifyStructures
Use hierarchical classification. If yes a pixel classifier has to be defined.
使用分层分类。如果是一个像素的分类加以界定。
参数：pixelClassifier
A SVM to classify pixel based on their color values. Needed if hierarchical classification should be applied.
基础上的SVM分类像素的颜色值。需要应采用分层分类。
参数：ksToExclude
These classes are excluded from kernel smoothing.
这些类被排除在内核平滑。
参数：densityToExclude
This class is excluded from cellularity calculation.
这个类被排除单元数计算。
参数：numDensityWindows
Number of windows for the density plot.
窗口的数量，密度图。
Details
详情----------Details----------
The method calculates tumour cellularity of an image. The cells of the image are classified and the cellularity is: numTumourCells/numPixel. Furthermore the number of cells of the different classes are counted. A heatmap of cellularity is created. The image is divided in 16 subwindows and cellularity is calculated for every subwindow. Green in the heatmaps indicates strong cellularity, white low cellularity.
该方法计算肿瘤单元结构的图像。图像的单元分类和单元结构是：numTumourCells / numPixel。此外，不同类别的单元数量计数。创建一个单元结构的热图。图像被分为16子窗口和单元结构计算每个子窗口。热图中的绿色，表示强烈的单元构成，白色低单元。
值----------Value----------
A list containing
一份列表，列出
参数：cellularity values
a vector, the n first values indicate the n numbers of cells in the n classes, the n + 1th value indicates the tumour cellularity, The n + 2th value is the ratio of tumour cells by all cells
一个向量，第一个值的n表明单元中的N类，N + n个数帖前值表示肿瘤单元数，N +第二届价值是所有单元对肿瘤单元比
参数：cancerHeatmap
Heatmap of cancer density
热图密度的癌症
作者（S）----------Author(s)----------
Henrik Failmezger, failmezger@cip.ifi.lmu.de
举例----------Examples----------
#t = system.file("extdata", "trainingData.txt", package="CRImage")[T =。系统（“extdata”，“trainingData.txt”，包=的“CRImage”）]
#read training data[阅读训练数据]
#trainingData=read.table(t,header=TRUE)[trainingData = read.table（T，头= TRUE）]
#create classifier[创建分类]
#classifier=createClassifier(trainingData,topo=FALSE)[[1]][分类= createClassifier（trainingData，地形= FALSE）[1]]
#calculation of cellularity[计算的单元结构]
#f = system.file("extdata", "exImg.jpg", package="CRImage")[f =。系统（“extdata”，“exImg.jpg”，包=“CRImage”）]
#exImg=readImage(f)[readImage exImg =（F）]
#cellularity=calculateCellularity(classifier=classifier,filename=f,KS=TRUE,maxShape=800,minShape=40,failureRegion=2000,classifyStructures=FALSE,cancerIdentifier="1",numDensityWindows=2,colors=c("green","red"))[]
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-2-25 15:58:59
