生物医学图片处理——怎样才算不当操作?

生物医学图片处理——怎样才算不当操作?
在2021撤稿观察(Retraction Watch)数据库中列出的近4000起撤稿事件中,超过四分之一涉及“ “concerns/issues about image(对图片的关注/图片问题)” 或“duplication of image(图片复制)”。同样,最近的一项研究发现,PubPeer上的12万多条评论中,有三分之二都涉及对图片的关注。不当操作的范围从无辜的错误(innocent errors)到美化(beautification)到故意伪造(intentional falsification)。因此,现在许多期刊使用专门的图片筛选器来寻找不当操作也就不足为奇了。

在这篇博客中讨论了当前处理生物医学图片的指导方针,并提出了图片处理程度的独到见解。

生物医学图片处理——怎样才算不当操作?

数字图片应该进行最小程度的处理


这条准则是图片处理的基石——图像数据也是数据,应该被当作数据来对待。改变图片数据被认为是不可接受的,但许多人认为清理图像数据是可以的。一般来说,“这样做的目的不是为了欺骗”,而是为了简化数据,让读者更容易理解。

清理图片数据的背景(Clean up background)


生物医学图片处理——怎样才算不当操作?

在这个例子中,Clancy博士使用图片编辑软件删除了数据。例图来自FigShare

(https://doi.org/10.6084/m9.figshare.12495611.v1)。虽然像这样清理数据可能不会影响整体的解释,但它被认为是不好的做法。被删除的数据可能与研究无关。然而,对一些读者来说,它可能是“真实的并在生物学上是意义重要的”,或者随着时间的推移,随着更多的信息变得可用,对图片的解读可能会改变。

裁剪(Cropping)


通常的做法是去除凝胶或Western blot中不相关的部分。然而,这是不可接受的裁剪图片的方式,这会导致数据失真或删除了必要的信息

许多期刊鼓励作者提交未经处理的完整凝胶供同行评审,或者至少包括带上和带下的一定面积。“合理的指南是保留背景上下的5个带宽。”读者可能会怀疑这种剪裁,因为这表明作者可能试图在附近隐藏另一个波段。将被比较的图片应该被裁剪到相同的大小。

拼接(Splicing)


在可能的情况下,应该避免将图片拼接在一起。如果不可能在单一凝胶上进行实验,例如,如果你有许多样品,可能需要将两种不同凝胶的数据拼接在一起。拼接应在图片中明确表示(通常在剪接之间有空白或黑线),并在图片说明中加以描述。带子不应该拼接在一起,看起来像是来自同一种凝胶。

生物医学图片处理——怎样才算不当操作?

在这个例子中,我们将来自不同凝胶的带并列在一起,给人一种它们来自同一凝胶的印象。


图来自FigShare

(https://doi.org/10.6084/m9.figshare.12495611.v1)。

简单调整(Simple adjustments)


简单调整——例如,亮度/对比度,应用于图片中的每个像素——可以均匀地应用于整个图像;然而,数据并没有被完全遮蔽或丢失。


应该避免对图像中的特定特征进行增强或模糊的调整。为了强调特定的特征,在适当的地方使用箭头或假色。


生物医学图片处理——怎样才算不当操作?

在这个例子中,我们调整了一个波段,使其强度更均匀。图来自FigShare

(https://doi.org/10.6084/m9.figshare.12495611.v1)。

调整应统一应用于将相互比较的图像


生物医学图片处理——怎样才算不当操作?

在这个例子中,对曝光的调整并没有对所有的图像进行统一的应用。

图来自FigShare

(https://doi.org/10.1371/journal.pone.0042720.g004)。这是对作者最初观察到的情况的误读。

内参(Loading controls)


必须在同一块凝胶上使用实验抗体和内参抗体。如果这是不可能的,应在图片说明中披露和证明。在不同的实验中重复使用内参条带是不允许的。


“使用内参的目的是观察不同样品在同一块胶的表达水平的一致性,从而实现标化。正是在这种控制下,才校准了感兴趣的蛋白条带水平的变化。”

创造性的显微图(Creative micrographs)


你可能会想把不同显微镜领域的有趣特性合并到一张显微镜照片中,特别是在目标杂志图片数量有限制的情况下。但是,这种做法是不能接受的。

生物医学图片处理——怎样才算不当操作?

在这个例子中,我们将两个独立的显微镜领域的特征合并为一个。

图来自FigShare

(https://doi.org/10.6084/m9.figshare.1254461.v2)

如果你犯了一个错误(If you make a mistake)


使用图像处理来修复错误是非常诱人的,例如,如果你在凝胶上加载了太多的蛋白质,导致了过度饱和的条带。数字调整波段,使其看起来不那么饱和,可能对数据的整体解释没有任何影响;但是,这并不是对你所观察到的情况的准确描述。

在数据收集阶段,应尽一切努力获取尽可能高质量的图像。实验阶段制作精美的图片可能需要多次重复实验和相当的科学技巧。

非线性调整(Non-linear adjustments)


非线性调整——例如,伽马图像仅涉及到图像中某些特定像素的变化——应该在图注或材料和方法中加以描述和证明。


例如伽马设置中,仅在绿色通道上调整为0.45。为了清楚地显示胶质细胞体的相关结构,这是必要的。

处理应该只在副本上进行(Processing should only be done on a copy)

图像处理应在未处理RAW图像数据文件的副本上执行。你应该始终保留未处理的原始图像数据。这可以帮助你避免延迟发表,甚至是尴尬的更正或撤稿。

结论


关于这个话题Rossner 和Yamada的论文写道:


数据必须直接报告,而不是通过过滤器,基于你认为它们“应该”向读者说明什么。


你对于数字图像进行的每一次调整,都要问自己一个重要的问题: 调整后的图像仍然是原始数据的准确表示吗?


如果这个问题的答案是“不”,你的行为可能会被理解为不当行为。

转自:国际科学编辑

版权声明:Robin 发表于 2022年2月26日 上午6:52。
转载请注明:生物医学图片处理——怎样才算不当操作? | 爱学术导航

相关文章

暂无评论

暂无评论...