多重免疫荧光图像分析：QuPath vs CellProfiler

开发背景

数字病理分析，主要用于组织切片分析

图像组学，专注于高通量细胞图像分析

典型应用场景

肿瘤免疫组化，组织水平表达、空间定位

多色荧光图像，单细胞定量分析

支持图像类型

支持RGB、OME-TIFF、SVS、灰度图

支持单通道灰度图、OME-TIFF，弱于RGB处理

多通道图像处理

✅原生支持多通道OME-TIFF、RGB

✅强项，推荐使用未压缩的单通道

细胞识别方式

ROI绘制 + 自动识别（细胞核/胞质分割）

管道式模块处理，灵活定义每一步

表达量定量

快速标记阳性/阴性细胞、热图分析

精确输出每个细胞每个通道的表达值

可视化能力

非常强，热图、标注图、统计图自动生成

弱一些，需导出后在 R/Python 里做图

脚本自动化

Groovy、Python 支持自动批量处理

Pipeline可保存并批处理成百张图

学习曲线

上手快，图形界面友好

初期模块复杂，需一点点摸索逻辑

是否适合初学者快速出图

✅✅✅

⚠️ 初学者需熟悉模块配置

你有彩色合图（RGB图像）

可直接识别颜色通道，快速得出表达和细胞分类

你想看到组织结构分布（骨髓、肿瘤边界）

空间定位与细胞识别一体化，直观

你想手动标注区域/细胞

快速人工辅助识别，适合少量图像

你希望快速生成高质量统计图

报告级别的可视化结果输出简单

你有成百张单通道图（如CD11B.tif等）

批处理效率高，自动化表达量统计

你希望对每个细胞做多通道强度提取

每个marker的强度、细胞大小、位置都可量化

你准备导入数据到 R/Python 做统计

可导出csv或完整单细胞矩阵

你想做更加复杂的筛选（如CXCR2高+LY6G中）

条件灵活组合，分析粒度精细

✅ 读取标准 RGB 图像（.tif, .png, .jpg）

不需额外拆分通道

✅ 自动识别 RGB 三通道

可自定义：红→CD11B、绿→LY6G、蓝→CXCR2

✅ 正/负细胞检测

可设定阈值在每个通道，区分表达高低

✅ 区域标注/分类

手动或自动分类不同区域（如骨髓 vs 血管周围）

✅ 生成表达图与统计图表

每个通道的表达直方图、分布、细胞分类饼图等

⚠️ 仅限三通道（RGB）

无法处理超过3个marker（如DAPI+4 marker的图）

⚠️ 颜色混合可能模糊表达

如果红绿重合严重，区分不清各marker表达强度

⚠️ 不支持光谱拆分

不像OME那样能明确“通道几是CD11B”，只看颜色通道

⚠️ 无法导出单通道原始灰度值

表达量是基于 RGB 分量推算的，非原始强度值