3. 显微图像数据管理
显微图像定量分析的结果是否可信，往往不取决于最后那一步测量算法，而取决于数据从采集到归档的整条链路是否被规范管理。同一张切片、同一套染色，如果文件格式选择不当、元数据缺失、多维数据组织混乱、版本不可追溯，那么即使算法完全正确，也无法复现出相同数值。本节围绕文件格式、元数据、多维数据组织、版本控制与可复现分析的数据规范五个环节，说明工程上应如何组织显微图像数据。
一、文件格式：采集、分析、归档三段分离
显微图像数据管理的第一条原则是“采集格式、分析格式、归档格式分离”。采集端通常输出厂商私有格式，例如蔡司的 .czi、徕卡的 .lif、奥林巴斯的 .oif、尼康的 .nd2，以及通用但结构复杂的 .tiff 系列。这些格式保留了最完整的采集参数，但读取依赖厂商 SDK，不适合作为长期分析输入。
分析阶段建议统一转换为开放、可被主流库直接读取的格式。二维与三维图像常用 OME-TIFF，它在标准 TIFF 基础上嵌入 OME-XML 元数据；多维、多通道、时间序列数据可用 OME-Zarr，其分块与多分辨率特性适合大体积图像和并行读取。归档阶段则保留原始私有格式与转换后的开放格式各一份，并记录转换工具与版本。
格式转换不是无损的“另存为”。以 16 位荧光图像为例，若中间环节误存为 8 位 JPEG，动态范围会被压缩到 0–255，弱信号直接丢失，后续阈值分割结果将系统性偏移。因此转换时必须核对：位深是否保持、通道是否分离、像素物理尺寸是否写入、Z 轴层间距是否保留。
二、元数据：定量分析的最小充分集
元数据是让图像“可被理解”的说明书。对定量分析而言，元数据可分为四类：采集元数据（物镜倍率、数值孔径、像素尺寸、曝光时间、增益、光源波长、Z 步进）、样本元数据（样本编号、染色方案、切片厚度、扫描区域）、处理元数据（去噪、拼接、配准、分割所用算法与参数）、分析元数据（测量项目、单位、阈值、统计方法）。
其中像素物理尺寸最关键，它决定所有长度、面积、密度测量能否换算为物理单位。若像素尺寸为 0.325 μm/pixel，某细胞核分割面积为 1200 pixel²，则实际面积约为 1200 × 0.325² ≈ 126.8 μm²。若元数据缺失，这个换算就无法完成，测量值只能停留在像素域。
metadata_schema.json，规定必填字段、单位与取值范围，转换脚本在写入 OME-XML 时同步校验，缺失关键字段则报错而非静默通过。三、多维数据组织：轴顺序与命名约定
显微图像常见维度包括：X、Y 空间轴，Z 光学切片轴，C 通道轴，T 时间轴，以及位置点 P（多点扫描）。不同软件对轴顺序约定不同，有的用 TCZYX，有的用 ZCYX，若不加统一，读取时极易把通道当成 Z 层。工程上应固定一种轴顺序并写入元数据，推荐采用 OME 的 TCZYX 顺序，并在文件名或目录结构中显式标注。
目录组织建议按“项目—样本—采集批次—视野”分层，例如：
project_liver_2024/
sample_S017/
batch_20240512/
fov_0001/
raw.czi
image.ome.tiff
meta.json
masks/
nuclei.tiff
vessels.tiff
measurements.csv
这种结构使每个视野的原始数据、转换结果、分割掩膜与测量表彼此对应，避免“一个文件夹几千张图、靠文件名猜内容”的混乱。
四、版本控制：图像不进 Git，规范进 Git
图像文件体积大，不适合直接纳入 Git。合理做法是：代码、配置、元数据模板、分析参数、测量结果表纳入 Git；原始图像与中间大文件用 DVC、Git-LFS 或对象存储管理，并在 Git 中记录其哈希与版本标签。每次分析运行应生成一个运行记录，包含输入数据版本、代码提交号、参数文件、输出结果哈希。
版本控制的核心不是“存了很多份”，而是“任意一次结果都能追溯到确定的输入与代码”。当同一批数据用不同阈值分割得到两组核密度值时，必须能回答：哪次运行用了哪个阈值、哪版代码、哪份输入。
五、可复现分析的数据规范
可复现分析要求“同输入、同代码、同参数、同环境”得到一致结果。数据规范应至少覆盖：统一格式与轴顺序、必填元数据、固定目录结构、运行记录、随机种子固定、环境依赖锁定。对于涉及随机初始化的分割或聚类，应在配置中显式写入随机种子，例如 seed: 42，否则每次运行结果会有细微差异。
下面这张图概括了从采集到复现的完整数据链路，以及每个环节的关键控制点。
把上述规范落到一次具体分析中，可以形成如下最小运行记录模板，随结果一并保存：
| 字段 | 示例值 | 作用 |
|---|---|---|
| run_id | 20240512_S017_fov0001_v3 | 唯一标识一次运行 |
| input_hash | sha256:9f3c… | 锁定输入图像版本 |
| code_commit | a1b2c3d | 锁定分析代码版本 |
| params_file | nuclei_seg_v2.yaml | 记录阈值、形态学参数 |
| pixel_size_um | 0.325 | 像素到物理单位换算 |
| seed | 42 | 保证随机过程可复现 |
| output_hash | sha256:7d1e… | 校验结果未被篡改 |
需要强调的是，数据规范不是一次性配置，而是随项目演进的约束。当染色方案、扫描参数或分析目标变化时，应更新元数据 schema 与参数文件版本，而不是在原文件上直接覆盖。只有让每一次测量都能回答“数据从哪来、经过什么处理、用什么参数、由哪版代码产生”，显微图像定量分析才真正具备工程意义上的可复现性。