QuPath 数字病理分析：安装、组织标注与细胞检测
用公开教学切片练习 QuPath 的项目管理、感兴趣区域标注、细胞检测和测量值导出。
QuPath 是用于数字病理图像查看与分析的开源软件。它能帮助研究者在全切片图像上标注区域、检测细胞并导出测量值。软件识别出的对象是算法结果，仍需要根据染色质量、扫描参数和研究问题做人工核查；本文不涉及病理诊断。
安装并创建项目
从 QuPath 官方网站进入下载页，按操作系统选择安装包或便携版。Windows 有安装版与解压即用版；若选便携版，要先完整解压，再运行程序。安装文档说明了各系统步骤及常见启动问题。记录 QuPath 版本，并用公开且获许可的教学切片练习，不要把真实患者资料直接作为公开示例。
在 QuPath 中新建项目并选择一个专用文件夹，再把切片图像加入项目。项目能够保存图像列表及对应分析记录；原始图像文件的位置也应稳定，避免移动后项目找不到图像。打开图像时先看是否显示完整、倍率是否合理，以及像素大小等元数据是否正确。QuPath 入门教程从打开图像和检查属性开始讲解。
图 1：标注与检测是不同对象；图示只是工作流程，不是病理诊断图。
全切片图像常含大量空白背景、折叠、扫描失焦和不同组织区域。开始分析前，先看整张切片的质量，再放大到细胞层面抽查。像素大小关系到面积和距离等测量，若元数据缺失或错误，不能用看起来相似的倍率标签代替校准。QuPath 图像概念文档解释了像素尺寸与测量的关系。
标注一个小的感兴趣区域
先在图像上找一块边界清楚、染色质量尚可的练习区域，用画笔或多边形工具创建 Annotation（标注）。避开折叠、气泡、模糊和明显的非目标组织。标注是一种可复查的区域选择；在研究中应预先定义取样规则，而不是只挑看起来最符合预期的视野。
把区域命名并保存，再缩放检查边界。全切片范围很大时，先在小区域调试参数，避免一次运行耗时过长。QuPath 细胞检测教程也采用先标注、后检测的流程。
若要比较多张切片，取样规则应提前一致：每张选择多少区域、是否排除坏死或伪影、由谁标注、标注者是否知晓分组。只在“阳性最密集”的地方画区域，会得到与全切片或预定取样区域不同的结果。训练中的一个好习惯是先保存原始标注，再复制项目或另存分析版本来尝试新参数，便于回看为什么数值变化。
运行细胞检测并检查错误
选中标注区域，使用 Cell detection（细胞检测） 功能。先用少量区域调整核大小、强度阈值等参数，再检查是否出现漏检、把碎屑算成细胞、把相邻细胞合并等问题。对不同染色批次和扫描仪的图像，不应无检查地沿用同一组参数。若研究目标是某标记物的阳性比例，还需明确阳性阈值、目标细胞类型和排除区域的规则；不能把所有被检出的对象直接当成肿瘤细胞。官方细胞检测教程展示了检测结果和逐细胞测量值。
把“有没有找到细胞”和“细胞属于哪一类”分开核对。先随机放大几个视野，检查检测轮廓是否覆盖真实细胞；再审查分类阈值是否把背景染色、非目标细胞或弱阳性误判。对于明场免疫组化图像，颜色分离参数会影响强度测量，换了染色向量后应重新运行相关检测，而不是只修改最后的阳性阈值。QuPath 细胞检测教程展示了染色分离与阈值检查的关系。
可以建立一张小型人工核查表：抽样区域、人工认为的目标细胞数、软件检出数、明显误检/漏检类型和处理决定。它不是正式的算法验证，但能让参数调整有记录。若准备把输出作为论文主要结果，应预先定义更系统的质量控制和一致性评估，避免在看到组间差异后反复调参。
导出测量值并保留分析过程
确认标注与检测后，保存项目并导出所需的测量表。导出时写清楚图像编号、区域、算法参数、单位与版本；随后抽查几行数据是否对应预期区域。QuPath 测量值导出教程介绍了单图像与跨图像导出方式。正式研究还应评估标注者间一致性、算法误差和图像质量，避免把自动计数当作无需复核的真值。
单张图像可从测量表查看并导出对象级数据；跨多张图像时使用项目中的 Measurement Exporter 更适合统一字段。官方导出文档区分了两种方式。导出前确认选择的是 annotations、detections 还是 cells；三者一行所代表的对象不同。若导出后出现空列，也可能是部分图像没有该测量值，不应自动填 0。
报告方法时要写出图像获取、排除标准、取样方式、QuPath 版本、所用命令与参数、阳性判定规则，以及人工复核方式。论文读者需要知道“计数是怎样来的”，不能只看到最终的阳性百分比。
用同一张切片做一个参数复核练习
先固定一块标注区域，保存项目副本 A；用一组参数运行细胞检测，抽查 20 个左右的被检出对象，记录明显误检和漏检。再从相同的初始标注创建副本 B，只改变一个检测参数，重复抽查。比较两版的检出数量、轮廓和测量分布。若一次同时改变阈值、核大小、染色向量和取样范围，就很难知道是哪项变化影响了结果。
得到“阳性比例”之前，先问清分子与分母分别是什么。是所有被检细胞中的阳性细胞，还是只在经确认的目标细胞中计算？若有坏死区、非目标细胞或重叠细胞，如何处理？这些定义比按钮名称更决定数值含义。对于需要病理学判断的区域选择和细胞分类，应由具备相应专业能力的人员制定规则并复核，不应把软件的颜色阈值视为诊断标准。
测量表中的一行可能是细胞，也可能是一个标注区域，取决于导出对象类型。合并多张图像的结果前，确认每行的图像 ID、切片或对象类型和单位一致；把细胞级的数十万行直接当成数十万个独立患者，会形成严重的伪重复。论文统计分析的单位应回到研究设计，例如患者、切片或预先定义的区域，而不是由导出表的行数自动决定。
若同一患者有多张切片或同一切片有多个区域，交给统计分析前还应保留层级 ID，明确哪些观测值属于同一患者。这种关联一旦在导出表中丢失，后续很难准确恢复。