计算机辅助定量病理特性对屈肌肌腱滑轮显微图像

文摘

量化屈肌肌腱滑轮的病理特征是必不可少的评分扣扳机的手指因为它为临床医生提供了客观证据来源于微观图像。虽然手动分级耗时和依赖于观察者的经验,缺乏自动图像处理的方法提取滑轮病理特征。在本文中,我们设计和开发一个基于颜色的图像分割系统提取从滑轮显微图像的颜色和形状特性。两个参数异常组织区域的大小比例和数量的比例异常核估计的病态发展指数。自动定量结果显示明显的歧视在不同水平的滑轮病变标本容易误判为人类视觉检查。该系统提供了一个可靠的和自动的方式获得病理参数代替手工评估内部和interoperator可变性。实验与290年29轮标本的显微镜图像显示良好的通信,病理学家的期望。因此,该系统具有潜力巨大帮助临床专家在常规组织病理学检查。

1。介绍

扣扳机的手指是一种常见的医疗条件时的手指屈肌腱鞘变稠,导致不平滑的滑动的肌腱。影响手指通常收益率疼痛,间歇性拍摄(触发),或实际锁定(在弯曲或扩展)导致病人困难(1]。尽管多个潜在原因被描述,扣动扳机的手指的病因仍然是特发性(2]。为了理解扳机指的真正原因和危险因素,微观评价不同程度的病理变化因此成为一个关键问题。

屈肌鞘的病理机制已经被报告为纤维软骨的化生(或软骨样化生)的" A1 "滑轮根据组织病理学分析(3]。在一般的滑轮,密集,定期和结缔组织中胶原纤维组成的紧凑,平行束。一般来说,组织病理学标本胶原纤维出现嗜酸性和粉红色的颜色在苏木精和伊红染色())。此外,它可以从微观图像,观察成纤维细胞正常轮拥有长棒状的原子核之间的纵向包。另一方面,滑轮的扳机指通常表明纤维软骨的化生的现象(或软骨样的化生),它的特点是软骨细胞的存在(软骨细胞)。影响纤维硫酸因此包含圆核和蛋白聚糖出现在蓝色/紫色)染色(4]。

一个好的解释观察到的显微图像取决于异常的水平结合良好的视觉评价和理论知识的病理学家(5]。这样的定性评估病变仍是最常见的方法级扣动扳机的手指。然而,由于内部interobserver可变性,评分结果的准确性降低,实验的重现性是很难保证的。此外,一些数量,如细胞核的数量,是不切实际的获得通过视觉检查整个载玻片。这些限制的概率增加使后续治疗的不适当的决定。本文的目的是定义两个参数反映上述滑轮标本的颜色和形状特征和开发自动图像分析系统和客观的微观评价滑轮病理变化。

显微图像分析方法一直在积极调查,因为它们提供最直接的信息评估组织感兴趣的形态或功能变化在微观层面。Tabesh et al。6前列腺癌)提出了一个自动分类系统的显微镜来分析前列腺癌组织与颜色特征的R, G, B渠道获得的图像。然而,随着图像非均匀照明,他们简单的阈值方法不直接适用在我们的案例中。吴et al。7)提出了一个活细胞图像分割方法直接使用灰度段细胞区域。然而,在我们的案例中,粉红色区域代表的正常组织和紫色区域代表病变组织显示获得非常接近灰度图像。只使用灰度信息从正常组织中分离异常的滑轮显微图像可能会给出错误的结果。精明的边缘检测程序也是一个受欢迎的方法检测细胞的边界(8]。然而,在我们的案例中,精明的算子检测不仅核的边界,而且深蓝色的边界和噪声区域。我们只对核的边界感兴趣,太多的无关紧要的精明的算子检测到的边缘往往使后处理过程繁琐,增加检测错误的可能性。

在本文中,我们提出一个自动图像分析系统定量滑轮与扣扳机的手指在微观的病理特征图像。两个参数,它们的大小比例异常组织地区(参数1)和异常的数量比原子核(参数2),旨在反映病变的严重程度组织基于病理学家的建议。图1显示了该方法的流程图。首先,该系统适用于颜色标准化有效降低非均匀颜色分布的影响在捕获的图像。然后,系统采用三步颜色分割过程中提取的正常和异常组织地区hue-saturation-intensity (HSI) color-normalized图像的颜色空间为了计算参数1。此外,我们设计一个活跃的双阈值算法部分细胞核和利用一个基于规则的分类器基于核形状属性来识别正常和异常核计算参数2。实验证明高自动估计参数之间的通信和病理学家的定性判断。

2。材料

本研究样本的显微图像提供的实验室在国立成功大学医院和综合医院吨日圆。滑轮病理组织标本从患者获得临床诊断与扳机指疾病由整形外科医生杨d s和t·h·杨。病理检查,所有标本在福尔马林固定的程序,队伍在分级醇类和二甲苯,石蜡包埋,切片机,切割的部分和沾hematoxyline-eosin ())。切片机是预设为5μ米厚。

在这些标本,正常的滑轮显示致密的常规纤维组织。胶原纤维排列紧凑,平行束。修改成纤维细胞与包被行之间的细长纺锤形核。滑轮病理组织纤维软骨化生。它是由不规则的结缔组织纤维软骨的化生(或软骨样的化生)。彩色幻灯片),细胞核被深蓝色的颜色和胶原纤维是粉红色的颜色。纤维软骨的化生(或软骨样的化生)组织了更多chondromyxoid材料(包括透明质酸、硫酸软骨素蛋白多糖)和显示蓝色或紫色的颜色。此外,核cartilage-like细胞是圆形的。最早观察到准备的幻灯片和分级的严重性黏液样化生光学显微镜下病理学家h·b·杨(奥林巴斯,BX50)。这些标本也基于上述分析提出的系统颜色和形状特性。 The automatic evaluation results were then compared with the manually graded results.

3所示。方法

3.1。颜色标准化

颜色归一化法是用来解决问题的颜色和光照的不均匀分布图像,这是由于不同的显微切片的染色和成像条件。如数据所示2(一个)和2 (c),两个获得图像的颜色分布有很大的不同。颜色标准化将有助于这些不同的显微图像映射到一个通用的图像类型相似的颜色分布。

提供的颜色归一化法Reinhard et al。9在这项研究中采用。最初,我们必须选择一些标准图像(目标图像)从源图像数据集具有以下特点:对比度高,原子核的颜色是深蓝色的。换句话说,这些标准可以显示高对比度图像,可用于各种组织类型进行分类。然后我们正常的输入(或源)图像的颜色分布目标图像。

我们把图像从颜色空间分成颜色空间由以下方程:

因为这种颜色空间中的数据往往是很扭曲,莱因哈德等人倾斜误差减少了将数据转换为对数空间利用(2):

此外,Ruderman et al。10)提出了一个转变来通过(3)。这是因为三个正交轴分解来自哪里利用主成分分析的三个最最大方向()decorrelating轴。在实验中,产生的颜色分布不同的组织更广泛的分离比原来的颜色空间颜色空间:

然后我们计算的平均值和标准偏差值,和对所有目标图像和获得的平均平均均值和标准差表示,,,,,,分别。这些平均平均值和标准偏差值计算一次,然后用于每一个输入图像的归一化。对于每一个输入图像,我们需要计算出平均值和标准偏差值表示,,,,,,分别。

一个输入图像的归一化是由计算新的颜色值,和为每个像素由以下方程:

最后,我们将生成图像颜色空间还给颜色空间利用(5):

数据2 (b)和2 (d)显示数据的归一化的结果2(一个)和2 (c),分别。归一化图像的颜色分布相媲美的目标图像。所有输入图像从不同批次的标本可以处理这个过程颜色标准化。

3.2。HSI模型转换和三步颜色分割

颜色分割之前,我们将归一化的图像转换成颜色空间利用(6)[11,12]。目前,紫色的粉红色部分和主要部分区域的归一化图像色调值较低,和紫色的背景和一些小部分区域的归一化图像有较高的色相值。图3(一个)显示了图的色调组成部分2 (b):

基于颜色分布,我们应用自动阈值方法首先进行(13)获得第一个二进制图像如图3 (b)大致分为前景和背景。大津阈值的最优阈值分开两个类,它是通过使用优化: 在哪里组内的方差和吗,,,类事件的概率和平均水平的两个类,分别。黑色区域代表紫色的粉红色和大多数组织领域的前景和紫色的白色区域覆盖一些小部分组织区域和空的背景。换句话说,一些紫色区域可能不完美地分为背景。前台包括所有紫色的组织,我们必须从背景中提取剩余的紫色部分地区。获得背景区域被用作掩模归一化图像映射到G通道,如图所示3 (c),第二个大津阈值在G频道然后应用获得剩下的紫色区域。然后,我们得到第二个二进制图像如图3 (d),白色区域代表真正的背景和黑色区域代表完整的粉红色和紫色组织的前景区域。

获取前台后,然后我们必须区分异常组织和正常组织的地区。在图4(一),我们标签的背景区域上一步获得的蓝色和重叠到原来的色调图像组件图3(一个)。如前所述,正常组织区域显示低色调值和异常区域有较高的色调,所以我们可以使用大津阈值又把这两个领域。分割结果如图4 (b)蓝色区域代表背景,黑色区域代表正常组织,白色区域表示异常组织。分割结果支离破碎的边界,我们应用等级的过滤器去除支离破碎的地区。我们计算每一种颜色在图的像素数量4 (b)9×9的面具,然后分配颜色数到中央像素最高的面具;结果如图4 (c)。图4 (d)显示异常组织的边界映射到规范化的形象。

3.3。活动双阈值和核分类

评估病变的程度的另一个特点是圆的比率属于异常细胞的细胞核。我们可以使用这一比率,而不是面积比、描述组织条件当染色颜色褪色或长时间保存后如果标本退化。

颜色标准化后,我们发现,归一化图像的R通道更适合细胞核分割由于其高对比度的核如图5(一个)。(在本节中,我们证明原子核的过程分类与另一个归一化图像如图2 (d))。因此,我们使用双阈值方案(14段核区域。核的强度几乎是最黑暗的R通道图像。作为图像的强度分布是不同的,我们因此积极阈值方案满足所有图像都适用。首先,对于每个输入R通道图像,我们把十最低强度值的平均值作为图像的最低强度值。第二,我们添加两个经验值30和45这个最小值并使用它们作为双阈值这两个值。较低的阈值作为种子和更高的阈值的限制区域增长。我们应用双阈值方案后,生成图像的白色区域表示原子核的分割和原子核的分割结果如图5 (b)。

现在我们可以分类分段核分成三个类别根据其形状。正常细胞核通常长和棒状,细胞核异常通常是圆形的。与multinuclei然而,连接区域,被认为是第三类,不规则形状和归类为异常,因为只有核异常现象将会增长,相互连接成一个集群。

分类这些核,然后我们计算面积大小,循环指数、最大和最小距离每个核区域的质心和边界点。然后我们分类正常细胞核和棒状如果循环指数小于0.95,最大最小距离的比值大于3,和面积小于2000像素。所有其他地区列为核异常现象。此外,我们也定义区域作为一个圆形细胞核异常如果面积小于2000像素。

定义所有的单轮核异常之后,然后我们计算这些细胞核的平均面积。然后用来计算平均面积有多少核连接multinuclei区域。图5 (c)显示红色的礼物正常核的分类结果,绿色礼物核异常现象。细胞核边缘重叠到原始图像如图5 (d)。

4所示。结果与讨论

4.1。样品制备

在这项研究中,我们收集了扳机指患者的异常和正常的标本,nondiseased尸体,分别。实验中使用的所有的标本分为四阶段严重性H(高),M(中间),L(低)和N(正常)在扳机指疾病的病理学家(杨Hsiao-Bai博士)。收集标本的数量是10 H阶段,10 M阶段,6 L阶段,分别与N阶段,和3(总共29标本)。从每个标本,49图像大小为2560×1920人获得通过使用我们之前开发的自动对焦系统15]。的49个图像包含大面积的背景和相关组织(如微脉管系统),这些图片提供更少的图像证据的滑轮组织和不适合评估拟议的病理参数。因此,我们的研究小组被要求相同的病理学家排除不适合图像基于她的专业知识在组织病理学。然后,随机选择过程进行收购10图像从剩下的图像后续的定量分析。

4.2。病理指标

拟议的显微图像分析系统是获得两个病理参数设计的。异常组织区域的大小比例参数1,可以计算通过使用(8)。在(8),正常组织区域的面积代表粉红色的总和(异常或蓝色)地区10所选图像的每个标本。表1礼物得到的参数1 s不同标本通过使用建议的颜色分割过程。异常的数量比核参数2,可以计算通过使用(9)。在(9),正常(或异常)核的数量是正常的总数(或异常)核获得每个标本的10所选图像通过使用基于规则的分类器。表2显示了生成的参数2 s不同的标本:

根据病理分期,结果参数表1显示明显的偏差三(H, M和L)阶段。之间有显著差异的平均值相邻阶段。使用两个相邻的两个平均值值阶段,我们可以得到两个阈值来执行简单的三个严重阶段之间的歧视。因此,没有错误在H和M阶段,只有一个误分类从L, M阶段所有的收集标本实验。在表2,异常的数量比核也显示了类似的特征具有良好的三个阶段之间的偏差。简单的三个严重阶段之间的歧视一样在表执行1。没有分类错误在H阶段,从M L 2误分类阶段,并从L, M 1误分类阶段。然而,这三个错误分类2参数没有十字路口1的参数。这意味着三个严重阶段之间的歧视可以正确执行的加权组合参数1和2。因为我们目前只有有限数量的标本,一个更复杂的分类机制是留给未来的研究有足够的标本。的病理参数N阶段测量只有3标本也提出了表1和2。两个参数的平均值都小于L的阶段。因为阶段L, N是那么严重,由此产生的测量反映临床期望。数据6和7显示箱线图(16)三个严重阶段的参数1,参数2,分别。图中为每个盒子,中央马克是中值,盒子的边缘是第25和第75百分位数,胡须向最极端的数据点,单独和离群值绘制。箱线图也反映了两个参数的聚类能力类似于上述简单的歧视的例子。

此外,统计分析是由学生的以及和值计算不同严重程度之间的阶段(如表所示3)。如果值小于0.05,两组被认为具有相当的差异,可以很容易地划分。参数1,值组双H L和M和M和0.000和0.004,分别。参数2,值组双H L和M和M和0.000和0.028,分别。所有统计测试是重要的(小于0.05),建议这两个参数可以作为病理指标分级程度有效阶段。

4.3。系统性能

4.3.1。参数设置

系统参数的值用于活性双阈值(部分3.3)可能是一个因素影响稳定性的自动图像分析。因此,我们使用颜色标准化一步有效降低造成的影响不同的成像和染色条件。颜色标准化后,系统参数可以确定基于强度对比滑轮组织和周边地区的归一化图像。当应用相同的参数值在整个实验290图片,该系统能够实现精确的测量结果。

另一方面,核分类中使用的系统参数的确定和优化病理学家根据病理知识和临床经验。我们的实验结果表明,该系统能正确鉴别疾病阶段之间基于核异常的比例使用同一套系统参数。所有29个标本的290张照片进行了分析。如果一些更复杂的测量参数为组织设计在未来,更复杂的分类器可以帮助确定这些系统参数。

4.3.2。计算时间

开发该系统是在一个英特尔酷睿i5 2.8 GHz PC 3.5 GB的内存。2560×1920像素的图像,颜色标准化的平均计算时间,颜色分割,和核分类大约是5日,12日和10秒。

5。结论

在本文中,我们开发了一个自动图像分析系统来评估扳机指疾病的严重程度从微观滑轮图片。两个病理参数设计,可以自动计算和有效。定量测量是稳定的,没有内部和interoperator可变性的手工测量。29轮标本相同的图像分析评估与设置在实验中。实验结果表明,这两个参数的措施有三个病理阶段之间的偏差,可以用来区分简单的歧视机制的严重阶段。因此,显然该图像分析系统提供了一个高效、可靠的方法在测量扳机指疾病的病理过程。客观的定量参数,也可以扩展到其他类型的病理标本。在未来,我们会招募更多的案件还在扳机指疾病的验证和探索新的机会为其他诊所的应用程序。

承认

作者想表达他们的感谢授予合同NSC 100 - 2627 - 006 - 008 b从美国国家科学委员会,台湾。这项工作还利用共享设施支持的医疗设备创新中心,国立成功大学,台南,台湾。

引用

1. k . Drossos m . Remmelink n .伊诉de Maertelaer j·l·Pasteels和f . Schuind”之间的相关性临床表现的成人引发A1滑轮的数字和组织学方面,“《手手术,34卷,不。8,1429 - 1435年,2009页。视图:出版商的网站|谷歌学术搜索
2. a . h . Makkouk m . e . Oetgen c . r . Swigart和s·d·多兹,“扳机指:病因、评估和治疗,”当前在肌肉骨骼医学评论,1卷,不。2、92 - 96年,2008页。视图:出版商的网站|谷歌学术搜索
3. s p·桑普森m . a . Badalamente l·c·赫斯特和j·塞德曼,“人类A1滑轮的病理学在扣动扳机的手指,“《手手术,16卷,不。4、714 - 721年,1991页。视图:谷歌学术搜索
4. m . c . Sbernardori和p .班迪耶拉”,组织病理学的A1滑轮在成人触发手指,“《手手术,32卷,不。5,556 - 559年,2007页。视图:出版商的网站|谷歌学术搜索
5. m·a . Marchevsky和p h·巴特尔斯图像分析引物的病理学家,乌鸦出版社,1994年。
6. a . Tabesh v·库马尔H.-Y。彭日成et al .,“自动前列腺癌诊断和格里森评分的组织微阵列,”医学成像2005:图像处理学报学报》,页58 - 70,2005年2月。视图:出版商的网站|谷歌学术搜索
7. d . k . Wu附近,m·d·莱文“活细胞图像分割,”IEEE生物医学工程,42卷,不。1、1 - 12,1995页。视图:出版商的网站|谷歌学术搜索
8. j .精明的边缘检测的计算方法,“IEEE模式分析与机器智能,8卷,不。6,679 - 698年,1986页。视图:谷歌学术搜索
9. e·莱因哈德·m·Ashikhmin b·古奇和p .雪莉,“图像之间的颜色传输”IEEE计算机图形学和应用程序,21卷,不。5、41、2001页。视图:出版商的网站|谷歌学术搜索
10. d·l·鲁德尔曼·t·w·克罗宁和c c。角,“锥对自然图像的统计:对视觉编码、”美国光学学会杂志》上,15卷,不。8,2036 - 2045年,1998页。视图:谷歌学术搜索
11. r·c·冈萨雷斯和r·e·伍兹数字图像处理,Prentice Hall,上台北,美国第3版,2008年版。
12. x h·h·d . Cheng江,y的太阳,和j·l·王,“彩色图像分割:进展和前景,”模式识别,34卷,不。12日,第2281 - 2259页,2001年。视图:出版商的网站|谷歌学术搜索
13. 大津,“从灰度直方图的阈值选择方法,”IEEE系统,人,控制论,9卷,不。1,第66 - 62页,1979。视图:谷歌学术搜索
14. 问:陈,Q.-S。阳光、p·a·亨和D.-S。夏”,使用双门限基于边缘检测器、图像二值化方法”模式识别第41卷。。4、1254 - 1267年,2008页。视图:出版商的网站|谷歌学术搜索
15. 研究。刘,F.-Y。许,H.-C。陈,Y.-N。太阳,和y y。王”,为显微图像,而且自动聚焦算法”《系统科学与工程国际会议(ICSSE 11),第419 - 416页,2011年。视图:出版商的网站|谷歌学术搜索
16. r·麦吉尔·j·w·图基,w·a·拉森,“变化的箱线图,”美国统计学家,32卷,不。1,12日至16日,1978页。视图:谷歌学术搜索

版权

版权©2013 Yung-Chun刘et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。