alterlab-omero

OMERO 連携

概要

OMERO は、顕微鏡画像とメタデータを管理、可視化、分析するためのオープンソースプラットフォームです。Python API を使って画像にアクセスし、データセットを取得し、ピクセルを分析し、ROI とアノテーションを管理して、ハイコンテントスクリーニングや顕微鏡ワークフローに活用できます。

このスキルを使用する場面

次の場合に、このスキルを使用してください：

• 顕微鏡データへのアクセスに OMERO Python API（omero-py）を使用する
• 画像、データセット、プロジェクト、またはスクリーニングデータをプログラムで取得する
• ピクセルデータを分析し、派生画像を作成する
• 顕微鏡画像上の ROI（関心領域）を作成または管理する
• OMERO オブジェクトにアノテーション、タグ、またはメタデータを追加する
• OMERO テーブルに測定結果を保存する
• バッチ処理用のサーバーサイドスクリプトを作成する
• ハイコンテントスクリーニング分析を実施する

対象外

シナリオ	代わりに使用
NCI Imaging Data Commons から公開されているがんの放射線画像／病理画像 DICOM をダウンロードする	alterlab-imaging-data-commons
ローカルファイルの全スライド画像をタイリングまたは前処理する	alterlab-histolab
エンドツーエンドの計算病理モデル（セグメンテーション、グラフ、トレーニング）	alterlab-pathml
臨床 DICOM ファイルを読み取る、または匿名化する	alterlab-pydicom

主な機能

このスキルでは、8 つの主要な機能領域を扱います。それぞれについて、references/ ディレクトリに詳しく記載されています。

1. 接続とセッション管理

ファイル：references/connection.md

OMERO サーバーへのセキュアな接続を確立し、セッションを管理し、認証を処理して、グループコンテキストを操作します。初期設定や接続パターンに使用します。

一般的なシナリオ：

• 認証情報を使って OMERO サーバーに接続する
• 既存のセッション ID を使用する
• グループコンテキストを切り替える
• コンテキストマネージャーで接続のライフサイクルを管理する

2. データへのアクセスと取得

ファイル：references/data_access.md

OMERO の階層的なデータ構造（Projects → Datasets → Images）とスクリーニングデータ（Screens → Plates → Wells）をたどります。オブジェクトを取得し、属性でクエリを実行して、メタデータにアクセスします。

一般的なシナリオ：

• ユーザーのすべてのプロジェクトとデータセットを一覧表示する
• ID またはデータセットから画像を取得する
• スクリーニング用プレートデータにアクセスする
• フィルターを使ってオブジェクトをクエリする

3. メタデータとアノテーション

ファイル：references/metadata.md

タグ、キーと値のペア、ファイル添付、コメントなどのアノテーションを作成、管理します。画像、データセット、その他のオブジェクトにアノテーションをリンクします。

一般的なシナリオ：

• 画像にタグを追加する
• 分析結果をファイルとして添付する
• カスタムのキーと値のメタデータを作成する
• 名前空間でアノテーションをクエリする

4. 画像処理とレンダリング

ファイル：references/image_processing.md

生のピクセルデータに NumPy 配列としてアクセスし、レンダリング設定を操作し、派生画像を作成して、物理寸法を管理します。

一般的なシナリオ：

• 計算分析用にピクセルデータを抽出する
• サムネイル画像を生成する
• 最大強度投影を作成する
• チャンネルのレンダリング設定を変更する

5. 関心領域（ROI）

ファイル：references/rois.md

さまざまな形状（長方形、楕円、ポリゴン、マスク、点、線）の ROI を作成、取得、分析します。ROI 領域の強度統計を抽出します。

一般的なシナリオ：

• 画像上に長方形の ROI を描画する
• セグメンテーション用のポリゴンマスクを作成する
• ROI 内のピクセル強度を分析する
• ROI 座標をエクスポートする

6. OMERO テーブル

ファイル：references/tables.md

OMERO オブジェクトに関連付けられた構造化された表形式データを保存、クエリします。分析結果、測定値、メタデータに役立ちます。

一般的なシナリオ：

• 画像の定量測定値を保存する
• 複数の列型を持つテーブルを作成する
• 条件を指定してテーブルデータをクエリする
• テーブルを特定の画像またはデータセットにリンクする

7. スクリプトとバッチ処理

ファイル: references/scripts.md

バッチ処理、自動化ワークフロー、OMERO クライアントとの連携のために、サーバー側で実行する OMERO.scripts を作成します。

一般的なシナリオ:

• 複数の画像をバッチ処理する
• 自動化された解析パイプラインを作成する
• データセット全体の要約統計を生成する
• カスタム形式でデータをエクスポートする

8. 高度な機能

ファイル: references/advanced.md

権限、ファイルセット、グループ横断クエリ、削除操作など、その他の高度な機能について説明します。

一般的なシナリオ:

• グループ権限を扱う
• インポートされた元ファイルにアクセスする
• グループ横断クエリを実行する
• コールバックを使用してオブジェクトを削除する

インストール

# 1. Install a prebuilt ZeroC Ice 3.6 wheel for your Python version and OS first
#    (Glencoe Software builds; links on the OMERO.py page below)
uv pip install /path/to/zeroc_ice-3.6.5-<python>-<platform>.whl
# 2. Then OMERO.py
uv pip install omero-py

要件（omero-py 5.23.x、2026-09 現在）:

• Python 3.10 以降および NumPy 2
• ZeroC Ice：omero-py は zeroc-ice>=3.6.5,<3.7 を指定しています。PyPI には Python 2.7／3.7 用の 3.6.5 ホイールしかないため、ビルド済みホイールがない場合、pip は Ice をソースからコンパイルしようとします。Ice 3.7／3.8 はサポートされていません。ホイールの一覧については https://omero.readthedocs.io/en/stable/developers/Python.html を参照してください。
• OMERO サーバーへのアクセス（ホスト、ポート、認証情報）。omero CLI を使用する場合は OMERODIR を設定してください

クイックスタート

基本的な接続パターン：

from omero.gateway import BlitzGateway

# Connect to OMERO server
conn = BlitzGateway(username, password, host=host, port=port)
connected = conn.connect()

if connected:
    # Perform operations
    for project in conn.listProjects():
        print(project.getName())

    # Always close connection
    conn.close()
else:
    print("Connection failed")

コンテキストマネージャーを使用する推奨パターン：

from omero.gateway import BlitzGateway

with BlitzGateway(username, password, host=host, port=port) as conn:
    # Connection automatically managed
    for project in conn.listProjects():
        print(project.getName())
    # Automatically closed on exit

適切な機能の選択

データを調べる場合：

• 接続を確立するには references/connection.md から始めてください
• 階層をたどるには references/data_access.md を使用してください
• アノテーションの詳細は references/metadata.md を確認してください

画像を解析する場合：

• ピクセルデータへのアクセスには references/image_processing.md を使用してください
• 領域ベースの解析には references/rois.md を使用してください
• 結果の保存には references/tables.md を使用してください

自動化する場合：

• サーバー側の処理には references/scripts.md を使用してください
• バッチでのデータ取得には references/data_access.md を使用してください

高度な操作の場合：

• 権限と削除には references/advanced.md を使用してください
• グループ横断クエリについては references/connection.md を確認してください

よくあるワークフロー

ワークフロー 1：画像の取得と解析

1. OMERO サーバーに接続します（references/connection.md）
2. データセットに移動します（references/data_access.md）
3. データセットから画像を取得します（references/data_access.md）
4. ピクセルデータに NumPy 配列としてアクセスします（references/image_processing.md）
5. 解析を実行します
6. 結果をテーブルまたはファイルアノテーションとして保存します（references/tables.md または references/metadata.md）

ワークフロー 2：ROI のバッチ解析

1. OMERO サーバーに接続します
2. 既存の ROI を含む画像を取得します（references/rois.md）
3. 各画像について、ROI のシェイプを取得します
4. ROI 内のピクセル強度を抽出します（references/rois.md）
5. 測定値を OMERO テーブルに保存します（references/tables.md）

ワークフロー 3：解析スクリプトの作成

1. 解析ワークフローを設計します
2. OMERO.scripts フレームワークを使用します（references/scripts.md）
3. スクリプトパラメーターを通じてデータにアクセスします
4. 画像をバッチ処理します
5. 出力（新しい画像、テーブル、ファイル）を生成します

エラー処理

OMERO の操作は必ず try-except ブロックで囲み、接続が適切に閉じられるようにしてください：

from omero.gateway import BlitzGateway
import traceback

conn = None  # bind first so the finally block is safe if the constructor raises
try:
    conn = BlitzGateway(username, password, host=host, port=port)
    if not conn.connect():
        raise Exception("Connection failed")

    # Perform operations

except Exception as e:
    print(f"Error: {e}")
    traceback.print_exc()
finally:
    if conn:
        conn.close()

その他のリソース

• 公式ドキュメント: https://omero.readthedocs.io/en/stable/developers/Python.html
• BlitzGateway API: https://omero.readthedocs.io/en/stable/developers/Python.html#omero-blitzgateway
• OMERO モデル: https://omero.readthedocs.io/en/stable/developers/Model.html
• コミュニティフォーラム: https://forum.image.sc/tag/omero

注意事項

• OMERO ではグループベースの権限（READ-ONLY、READ-ANNOTATE、READ-WRITE）を使用します
• OMERO 内の画像は階層的に整理されています：Project > Dataset > Image
• スクリーニングデータでは次の階層を使用します：Screen > Plate > Well > WellSample > Image
• サーバーリソースを解放するため、接続は必ず閉じてください
• リソース管理を自動化するには、コンテキストマネージャーを使用してください
• 解析用のピクセルデータは NumPy 配列として返されます

AlterLab Academic Skills スイートの一部です。