МЕТОДИКА ПОДСЧЕТА ЧИСЛА ЯДЕР КЛЕТОК НА МЕДИЦИНСКИХ ГИСТОЛОГИЧЕСКИХ ИЗОБРАЖЕНИЯХ

Полный текст:


Аннотация

В статье исследуется методика автоматического подсчета числа ядер клеток на гистологических изображениях. Эта операция широко применяется при диагностике различных заболеваний и морфологическом анализе клеток. В связи с этим, процедура автоматического подсчета числа ядер клеток является ключевым этапом в системах микроскопического анализа медицинских изображений гистологических препаратов. Основной целью работы была разработка эффективной схемы автоматического подсчета ядер клеток на основе современных методов обработки изображений: направленной фильтрации, адаптивной бинаризации изображений и математической морфологии. В отличие от известных исследований, представленный подход не предусматривает сегментацию ядер клеток на изображении, а лишь предполагает их обнаружение и подсчет их количества. Это позволяет избежать сложных алгоритмических вычислений и обеспечивает хорошую точность подсчета ядер клеток.

В работе описан ряд экспериментов, выполненных для оценки эффективности предложенной методики с использованием доступной в интернете тестовый базы медицинских гистологических изображений. Определены критичные параметры алгоритмов, настраиваемые на каждом этапе анализа изображений. Для каждого параметра определен интервал тестируемых значений, а затем реализована процедура выбора не только оптимальных значений каждого параметра, но их из взаимная комбинация, на основе общепринятых количественных оценок точности (Precision) и полноты (Recall). Полученные результаты сравнивались с последними достижениями в данной области и показали приемлемый уровень точности предложенной методики. Прототип программного обеспечения, разработанного в рамках проведенного исследования, можно рассматривать как автоматический инструмент для анализа ядер клеток. Разработанный подход может быть адаптирован к различным задачам анализа ядер клеток различных органов.


Об авторах

М. М. Лукашевич
Белорусский государственный университет информатики и радиоэлектроники, г. Минск
Беларусь

Лукашевич Марина Михайловна, кандидат технических наук, доцент кафедры ЭВМ



В. В. Старовойтов
Объединенный институт проблем информатики Национальной академии наук Беларуси
Беларусь

Старовойтов Валерий Васильевич, доктор технических наук, профессор, главный научный сотрудник



Список литературы

1. Methods For Nuclei Detection, Segmentation, and Classification in Digital Histopathology: A Review – Current Status and Future Potential / H. Irshad [et. al] // IEEE Reviews in Biomedical Engineering, 2014. − Vol. 7. − P. 97−114.

2. Recent Advances in Morphological Cell Image Analysis / S. Chen [et. al] // Computational and Mathematical Methods in Medicine, 2012. – 10 p.

3. Jung, C. Impact of the Accuracy of Automatic Segmentation of Cell Nuclei Clusters on Classification of Cell Nuclei Clusters on Classification of Thyroid Follicular Lesions / C. Jung, C. Kim // Cytometry. Part A, 2014. – P. 709–719.

4. Multi-resolution Approach for Combining Visual Information using Nuclei Segmentation and Classification in Histopathological Images / H. Saharma [et. al] // Proceedings of the 10th International Conference on Computer Vision, Theory and Applications, 2015. – P. 37−46.

5. Alilou, M. Segmentation of cell nuclei in heterogeneous microscopy images: A resalable templates approach / M. Alilou, V. Kovalev, V. Taimouri // Computerized Medical Imaging and Graphics, 2013. – Vol. 37. – P. 488−499.

6. Kowal, M. Nuclei Segmentation for Computer-Aded Diagmosis of Breast Cancer / M. Kowal, P. Filipczuk // Int. Journal Appl. Math. Comput. Science, 2014. – Vol. 24. – No. 1. – P. 19−31.

7. Detection and segmentation of cell nuclei in virtual microscopy images: a minimums-model approach / S. Wienert [et al] // National Scientific Reports, 2012. – 2:503.

8. White Blood Cell Segmentation by Color-Space-Based K-Means Clustering / C. Zang [et. al] // Sensors, 2014. Vol. – 14. – P. 16128–16147.

9. Region-based progressive localization of cell nuclei in microscopic images with data adaptive modeling / Y. Song [et. al] // BMC Bioinformatics. – 2013. Vol. 14. № 1. – P. 173–180.

10. Coelho, L. P. Nuclear segmentation in microscope cell images: a hand-segmented dataset and comparison of algorithms / L. P. Coelho, A. Shariff, R. F., Murphy // Proc. of the IEEE International Symposium Biomedical Imaging, 2009. – P. 518−521.

11. Wavelet-Based Multiscale Texture Segmentation: Application to Stromal Compartment Characterization on Virtual Slides / N. Signolle [et. al] // Signal Processing, 2010. – Vol. 90. – № 8. – P. 2412–2422.

12. Segmentation of cytological image using color and mathematical morphology / O. Lezoray [et. al] // Acta Stereologica, 1999. – 18. – P. 1−14.

13. An Image Analysis-Based Approach for Automated Counting of Cancer Cell Nuclei / C. G. Loukas [et. al] // Cytomettry. Part A, 2003. – P. 30−42.

14. Improved automatic detection and segmentation of cell nuclei in histopathology images / Y. Al-Kofahi [et. al] // IEEE Trans. on Biomedical Engineering, 2010. – Vol. 57. – № 4. – P. 841−852.

15. Cell-based quantification of molecular biomarkers in histopathology specimens / Y. Al-Kofahi [et. al] // Histopathology, 2011. – 59(1) – P. 40−54.

16. Image Smoothing via L0 Gradient Minimization / L. Xu [et. al] // ACM Transactions on Graphics. – December 2011. – Vol. 30. – No. 6. – article 174.

17. He, K. Guided image filtering / K. He, J. Sun, X. Tang // Pattern Analysis and Machine Intelligence, IEEE Transactions on. – 2013. – Т. 35. – №. 6. – С. 1397–1409.

18. Wan, S. J. Variance‐based color image quantization for frame buffer display / S. J. Wan, P. Prusinkiewicz, S. K. M. Wong // Color Research & Application. – 1990. – Т. 15. – №. 1. – С. 52–58.

19. Sauvola, J. Adaptive document image binarization / J. Sauvola, M. Pietikainen // Pattern Recognition, 2000. – Vol. 33. – P. 225−236.

20. Shafait, F. Efficient implementation of local adaptive thresholding techniques using integral images / F. Shafait, D. Keysers, T. M. Breuel // Document Recognition and Retrieval XV. – 2008.

21. Stathis, P. An Evaluation Technique for Binarization Algorithms / P. Stathis, E. Kavallieratou, N. Papamarkos // Journal of Universal Computer Science, 2008. – Vol. 14. – No. 18. – P. 3011−3030.


Дополнительные файлы

Для цитирования: Лукашевич М.М., Старовойтов В.В. МЕТОДИКА ПОДСЧЕТА ЧИСЛА ЯДЕР КЛЕТОК НА МЕДИЦИНСКИХ ГИСТОЛОГИЧЕСКИХ ИЗОБРАЖЕНИЯХ. «Системный анализ и прикладная информатика». 2016;(2):37-42.

For citation: Lukashevich M.M., Starovoitov V.V. AN APPROACH TO CELL NUCLEI COUNTING IN HISTOLOGICAL IMAGE ANALYSIS. «System analysis and applied information science». 2016;(2):37-42. (In Russ.)

Просмотров: 153

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2309-4923 (Print)
ISSN 2414-0481 (Online)