Παυλόπουλος Ουρολόγος


Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών
Ιατρική Σχολή
Εργαστήριο Παθολογικής Ανατομικής
Διδακτορική διατριβή
Αθήνα 2013 
Βαθμός: Άριστα παμψηφεί

Εθνικό αρχείο διδακτορικών διατριβών...»

Σκοπός της μελέτης

Ανάπτυξη μεθόδων αυτόματης εφαρμογής ουδού για την κατάτμηση πυρήνων σε ψηφιακές εικόνες ιστολογικών τομών ηωσίνης-αιματοξυλίνης (H-E) από καρκινώματα ουροδόχου κύστεως. Επίσης ανάπτυξη αλγορίθμων για την αυτόματη επιλογή ανοσοïστοχημικώς θετικών περιοχών του ίδιου νεοπλάσματος.

Υλικό και μέθοδοι

Για εφαρμογή ουδού σε grayscale, RGB, HSL και L*a*b* colorspace, αναπτύξαμε μια επέκταση της μεθόδου clustering, όπως έχει προταθεί από τον Otsu, και η οποία βασίζεται σε κριτήρια μεταβλητότητας εντός ομάδος και μεταξύ ομάδων (between-class και within-class variance). Για την ανάπτυξη και τον έλεγχο των αλγορίθμων σχεδιάστηκε μια ειδική εφαρμογή στην οποία μελετήθηκαν H-E τομές από 20 καρκινώματα ουροδόχου κύστεως. Τα αποτελέσματα από τις μεθόδους που χρησιμοποιήθηκαν για αυτόματη επιλογή των πυρήνων εξετάστηκαν εν συγκρίσει με τα αντίστοιχα αποτελέσματα χειροκίνητης επιλογής. Για την αυτόματη επισήμανση ανοσοϊστοχημικώς θετικών περιοχών αναπτύχθηκε ένας αλγόριθμος clustering σε Lab colorspace.

Αποτελέσματα

Κάθε εικόνα εξετάστηκε pixel προς pixel με την αντίστοιχη εικόνα αναφοράς χειροκίνητης επιλογής. Η εφαρμογή ουδού σε grayscale εικόνες παρουσίασε πολύ χαμηλή ειδικότητα, με αποτέλεσμα να καθίσταται ανακριβής η περαιτέρω απομόνωση των πυρήνων. Η εφαρμογή με αυτόματο τρόπο ουδού σε RGB ή HSL καθώς και η ημιαυτόματη εφαρμογή σε Lab παρουσίασαν σημαντικά καλύτερη ακρίβεια με υψηλές τιμές ειδικότητας και ευαοισθησίας και χαμηλά σφάλματα 4.27-5.83% στο επακόλουθο υπολογισμό της μέσης επιφάνειας των πυρήνων.

Συμπέρασμα

Η αυτόματη εφαρμογή ουδού σε έγχρωμες εικόνες RGB ή HSL με τις μεθόδους που εφαρμόσαμε αποτελεί πολυεπίπεδη επέκταση του grey-level thresholding με πολύ καλά αποτελέσματα στην επιλογή πυρήνων καρκινωμάτων της κύστεως. Η μέθοδος clustering σε Lab λειτούργησε στην επιλογή ανοσοϊστοχημικώς θετικών περιοχών με πολύ μεγαλύτερη ακρίβεια από χειροκίνητες εφαρμογές συμβατικού thrsholding.

Ενδεικτική βιβλιογραφία

Pavlopoulos PM, Zimeras S, Kavantzas N, Korkolopoulou P, Agapitos E, Patsouris E. Segmentation of transitional cell carcinoma nuclei by nonsupervised thresholding in different color spaces. Anal Quant Cytol Histol 2007; 29(4): 271-8.
Pavlopoulos PM, Kavantzas N, Korkolopoulou P, Bouzoukas S, Patsouris E. Software development for processing and analysis of histopathologic images. Joint meeting of the Pathological Society of Great Britain and Ireland and the Dutch Pathological Society. Amsterdam 6/7/04-9/7/04, Abstracts pp. 79.