Algorytmy przetwarzania wstępnego obrazów mikroskopowych w
Transkrypt
Algorytmy przetwarzania wstępnego obrazów mikroskopowych w
XIII Konferencja „Sieci i Systemy Informatyczne” Łódź, październik 2005 DOMINIK WÓJCICKI WOJCIECH BIENIECKI SZYMON GRABOWSKI Katedra Informatyki Stosowanej Politechniki Łódzkiej KATARZYNA KOŚCIELSKA-KASPRZAK Katedra i Klinika Nefrologii i Medycyny Transplantacyjnej Akademii Medycznej we Wrocławiu ALGORYTMY PRZETWARZANIA WSTĘPNEGO OBRAZÓW MIKROSKOPOWYCH W BADANIU AKTYWNOŚCI WYDZIELNICZEJ LIMFOCYTÓW Streszczenie W artykule opisano algorytm wykrywania obszaru zainteresowania dla mikroskopowych obrazów biomedycznych uzyskiwanych w badaniu odpowiedzi układu odpornościowego metodą ELISPOT. W celu zminimalizowania interakcji ze strony użytkownika programu zastosowano automatyzację tego etapu przetwarzania. Przy wykorzystaniu specyfiki nieprzetworzonych obrazów badana jest funkcja jasności obrazu i na podstawie analizy rozkładu jasności identyfikowany jest brzeg studzienki w kształcie koła. 1. Wprowadzenie W systemach przetwarzania i analizy obrazu pierwszym etapem przetwarzania zapisanego obrazu cyfrowego jest zwykle wyznaczanie obszaru zainteresowania (ang. region of interest – ROI), czyli określenie fragmentu obrazu poddawanego dalszej analizie. Proces ten z reguły wymaga interakcji użytkownika systemu, jednak pokazano, że w pewnych przypadkach możliwe jest wprowadzenie jego automatyzacji. Opisany w artykule algorytm wyznaczania ROI znalazł zastosowanie w projektowanym w ramach współpracy Katedry Informatyki Stosowanej PŁ i Katedry i Kliniki Nefrologii i Medycyny Transplantacyjnej AM we Wrocławiu (grant MNiI) diagnostycznym systemie informatycznym. Idea badania ELISPOT (ang. enzyme-linked immunospot assay) wykorzystywanego do opracowania nowej prognozowania stanu nerki po przeszczepie została opisana we wcześniejszych pracach autorów artykułu [2, 3] oraz w literaturze medycznej [4, 5, 6, 7, 9, 13, 14]. Pomimo istniejących rozwiązań komercyjnych [1, 8, 10, 11, 12, 15] zdecydowano się na zaprojektowanie własnego systemu przetwarzania i analizy obrazów, który nazwano SpotView. Potrzeba taka wynikała z faktu, iż oprogramowanie komercyjne nie realizowało wszystkich zadań niezbędnych dla przeprowadzenia badania ELISPOT w zakresie niezbędnym dla opracowania naukowego [3]. 2. Charakterystyka badanego obrazu Badane obrazy uzyskuje się poprzez fotografowanie obiektu aparatem cyfrowym wyposażonym w optykę pozwalającą na uzyskanie powiększenia ok. 20x. Obrazy barwne zapisywane są w D. Wójcicki, Sz. Grabowski, W. Bieniecki, K. Kościelska-Kasprzak Algorytmy przetwarzania wstępnego obrazów mikroskopowych w badaniu aktywności wydzielniczej limfocytów formacie JPEG. Program nie zawiera interfejsu do komunikacji z aparatem, w związku z tym zdjęcia przygotowywane są off-line. Dostarczone do analizy obrazy mają rozdzielczość 2272 x 1704 lub 1600 x 1200 (Rys. 1) i są obrazami w przestrzeni barw RGB, jednak informacja o kolorze w procesie wstępnej analizy nie jest wykorzystywana. Rys.1. Obraz uzyskany metodą ELISPOT Obserwowany obszar zainteresowania ma kształt koła o stałej średnicy 6 mm. Utrudnieniem podczas analizy obrazu jest nierównomierne oświetlenie obrazu – przy brzegach obszaru obraz jest ciemniejszy niż w centrum. 3. Proponowany algorytm przetwarzania wstępnego W niniejszym artykule opisana jest wyłącznie część przetwarzania obrazu dotycząca przygotowania obrazu do segmentacji i identyfikacji obiektów. Wykorzystując specyfikę nieprzetworzonych obrazów rozpoznawany jest brzeg studzienki. Obszarem zainteresowania dla obrazu: I = jest podzbiór: ROI = {( x , y ) : ( x , y ) ∈ [0 , M ]× [0 , N ]} {(x , y )∈ I : (x 0 − x )2 + (y 0 − y )2 (1) ≤ R 2 } (2) czyli kolisty fragment obrazu (Rys. 1), wewnątrz którego widać tylko membranę z widniejącymi na niej plamami. Aby wyznaczyć ten obszar, należy znaleźć wektor (x0, y0, R). 3.1. Wykrywanie punktów brzegu studzienki obszaru zainteresowania Zaproponowany algorytm rozpoczyna pracę od znalezienia pewnych punktów należących do lewego oraz do prawego brzegu obszaru zainteresowania (Rys. 2). Analizowana jest wartość ja- XIII Konferencja „Sieci i Systemy Informatyczne” Łódź, październik 2005 sności w linii poziomej. Przyjmujemy, że piksel stanowiący początek linii należy do tła, a koniec linii należy do ROI. Ze względu na fakt, że tło jest ciemniejsze niż ROI (Rys. 2) wykrycie ciemnych pikseli nie jest poddawane dalszej analizie. Po wykryciu wzrostu jasności o 20% zaczyna działać algorytm poszukujący lokalnego minimum funkcji rozkładu jasności w obrazie. yR1 yLn yR2 yLn-1 yR3 yL4 yR4 yL3 yRn-1 yL2 yRn yL1 Rys. 2. Algorytm wykrywania linii brzegowej ROI Funkcja jasności ma tendencję wzrostową do miejsca wystąpienia lokalnego minimum oznaczającego wystąpienie brzegu probówki (Rys. 2 i 3), następnie funkcja jasności ponownie wzrasta do poziomu średniego dla całego obszaru ROI. Przeglądając punkty w kierunku rosnących wartości x szukamy punktu minimum lokalnego występującego zaraz za maksimum lokalnym. Detekcja kończy się sukcesem, jeżeli różnica pomiędzy znalezionymi maksimum i minimum jest większa niż 20% całego zakresu jasności. Brzeg ROI nie zostaje wykryty w każdym przebiegu algorytmu (ze względu na złe uwarunkowanie obrazu) jednak liczba wykrytych punktów jest zazwyczaj wystarczająca do dalszych obliczeń dla wybranego zbioru linii poziomych (wystarczy około 20 linii równomiernie rozłożonych na całej wysokości obrazu) o współrzędnych y L1 , y L 2 ,K, y Ln (Rys. 2). Dodatkowo zastosowano warunek odpowiedniej szerokości minimum lokalnego, ze względu na ziarnistość obrazu. Szerokość minimum musi wynosić 0,5% szerokości całego obrazu. Dla badanych obrazów było to 8 – 11 pikseli. Dla małych obrazów przyjęto minimalną szerokość na 2 piksele. D. Wójcicki, Sz. Grabowski, W. Bieniecki, K. Kościelska-Kasprzak Algorytmy przetwarzania wstępnego obrazów mikroskopowych w badaniu aktywności wydzielniczej limfocytów Rys. 3. Rozkład jasności obrazu dla współrzędnej y = 300 Analogiczną operację należy wykonać dla prawej strony obrazu. Działanie algorytmu wykrywania punktów brzegowych ilustruje Rys. 4. Widoczne jest, że poza prawidłowymi punktami brzegowymi studzienki wykryte zostają dwa rodzaje punktów. Po pierwsze są to lokalne minima, zanim zostanie osiągnięty brzeg studzienki. Drugim rodzajem błędnie wykrytych punktów brzegowych są punkty plam wewnątrz ROI, jest to wynikiem słabo wyróżniającego się na zdjęciu brzegu studzienki lub zbyt małego kontrastu w miejscu przewidywanym dla punktów brzegowych. W celu ograniczenia złożoności obliczeniowej błędnie wykryte punkty nie są usuwane na tym etapie wykrywania ROI. Rys. 4. Obraz po wykryciu punktów brzegowych XIII Konferencja „Sieci i Systemy Informatyczne” Łódź, październik 2005 3.2. Wyznaczenie obszaru zainteresowania Punkty wyznaczone przez poprzedni algorytm łączymy w pary tak, aby para zawierała jeden punkt z lewej krawędzi i jeden punkt z prawej krawędzi (Rys. 5). pR1 pLn pR2 pLn-1 pR3 pL4 Sn pL3 Sn-1 pR4 S1 S2 S4 S3 pRn-1 pL2 pL1 pRn Rys. 5. Wyznaczanie środka okręgu ROI Dla odcinków łączących te punkty (oznaczonych białą linią przerywaną) wyznacza się symetralne S1, S2 … Sn (czarne linie ciągłe) i oznacza punkty przecięcia symetralnych, przy czym wyznacza się punkt przecięcia symetralnej S1 z symetralną Sn, następnie Sn z S2 itd. Wartość średnia (po usunięciu błędów grubych) z obliczonych punktów przecięcia symetralnych jest szukaną wartością (x0, y0), a średnia odległość pomiędzy tym punktem a znalezionymi punktami p krawędzi jest wartością R. Dla zwiększenia dokładności wyznaczania brzegu studzienki usuwa się ze zbioru punktów brzegowych te elementy, które odbiegają od wyliczonego promienia o więcej niż 4% wielkości obrazu. Wyniki obliczania okręgu ROI po dwóch przebiegach algorytmu, z usunięciem punktów błędnie przyjętych jako brzeg przedstawiono na Rys. 6. Białymi punktami oznaczono znalezione punkty krawędzi obszaru, a okręgiem zaznaczono znaleziony obszar. D. Wójcicki, Sz. Grabowski, W. Bieniecki, K. Kościelska-Kasprzak Algorytmy przetwarzania wstępnego obrazów mikroskopowych w badaniu aktywności wydzielniczej limfocytów Rys. 6. Wynik działania algorytmu wykrywającego ROI dla dwóch obrazów testowych Podsumowanie Precyzyjne wyznaczenie obszaru zainteresowania (zwłaszcza średnicy okręgu) jest ważnym etapem przetwarzania wstępnego obrazu w systemie SpotView. Na podstawie średnicy ROI wyrażonej w pikselach obliczana jest bowiem odpowiednia skala dla pomiarów morfometrycznych obrazu. Wcześniejsze wersje programu SpotView umożliwiały wyznaczanie obszaru zainteresowania jedynie przez użytkownika systemu. Automatyzacja tego etapu pozwala na przyspieszenie procesu przetwarzania obrazu. Jednocześnie pozostawiono użytkownikowi możliwość korekcji wyznaczonego automatycznie obszaru. Podczas użytkowania systemu okazało się, że korekcja taka była potrzebna jedynie w jednym przypadku na 30 analizowanych zdjęć, co potwierdza skuteczność opracowanego algorytmu. Literatura [1] AID Autoimmun Diagnostika GmbH, Germany. http://www.elispot.com/ (link sprawdzony 18.07.2005) [2] Bieniecki W., Sankowski D., Kościelska-Kasprzak K.: System analizy obrazów uzyskiwanych w immunoenzymatycznej wizualizacji aktywności wydzielniczej limfocytów metodą ELISPOT. Automatyka, t. 8. z. 3. Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków 2004, str. 63–71. [3] Bieniecki W., Grabowski Sz., Sankowski D., Kościelska-Kasprzak K., Bernat B., Klinger M.: An Efficient Processing and Analysis Algorithm for Images Obtained from Immunoenzymatic Visualization of Secretory Activity. Proceedings of the 8th International IEEE Conference CADSM 2005, Lviv-Polyana, Ukraine 2005, pp. 458–460. [4] Gebauer B. S., Hricik D. E., Atallah A., Bryan K., Riley J., Tary-Lehmann M., Greenspan N. S., Dejelo C., Boehm B. O., Hering B. J., Heeger P. S.: Evolution of the enzyme-linked immu- XIII Konferencja „Sieci i Systemy Informatyczne” Łódź, październik 2005 nosorbent spot assay for post-transplant alloreactivity as a potentially useful immune monitoring tool. Am J Transplant. vol. 2, pp. 857–866, 2002. [5] Heeger P. S. T-cell allorecognition and transplant rejection: a summary and update. Am J Transplant. vol. 3, pp. 525–533, 2003. [6] Hesse, M. D., A.Y. Karulin, B.O. Boehm, P.V. Lehmann, and M. Tary-Lehmann 2001. A T cell clone's avidity is a function of its activation state. J. Immunol. 167: 1353–1361. [7] Hricik D. E., Rodriguez V., Riley J., Bryan K., Tary-Lehmann M, Greenspan N, Dejelo C, Schulak JA, Heeger PS.: Enzyme linked immunosorbent spot (ELISPOT) assay for interferongamma independently predicts renal function in kidney transplant recipients. Am J Transplant. 2003 Jul;3(7):878–84. [8] Immunospot http://www.immunospot.com (link sprawdzony 18.07.2005) [9] Karulin, A.Y., M.D. Hesse, M. Tary-Lehmann, and P.V. Lehmann. 2000: Single-cytokineproducing CD4 memory cells prevail in vivo, in type 1/type 2 immunity. J. Immunol. 164:1862–1872. [10] Perceptive Instruments Ltd. http://www.perceptive.co.uk/colonycounter (link sprawdzony 18.07.2005) [11] ScanAnalytics http://www.scananalytics.com (link sprawdzony 18.07.2005) [12] Software Alpha Innotech Corporation http://www.adpsa.co.za/Alpha/ (link sprawdzony 18.07.2005) [13] Tary-Lehmann M., Hricik D. E., Justice AC, Potter NS, Heeger PS: Enzyme-linked immunosorbent assay spot detection of interferon-gamma and interleukin 5-producing cells as a predictive marker for renal allograft failure. Transplantation. 1998 Jul 27;66(2):219–224. [14] Versteegen J. M., Logtenberg T., Ballieux R. E.: Enumeration of IFN-gamma-producing human lymphocytes by spot-ELISA. A method to detect lymphokine-producing lymphocytes at the single-cell level. J Immunol Methods. 1988 Jun 28;111(1):25–29. [15] Zeiss KS Elispot http://www.zeiss.de/elispot/ (link sprawdzony 18.07.2005) Afiliacje DOMINIK WÓJCICKI Dyplomant w Katedrze Informatyki Stosowanej Politechniki Łódzkiej al. Politechniki 11, 90-924 Łódź, tel. (42) 631 2753 [email protected] MGR INŻ. WOJCIECH BIENIECKI Katedra Informatyki Stosowanej Politechniki Łódzkiej al. Politechniki 11, 90-924 Łódź, tel. (42) 631 2753 [email protected] DR SZYMON GRABOWSKI Katedra Informatyki Stosowanej Politechniki Łódzkiej D. Wójcicki, Sz. Grabowski, W. Bieniecki, K. Kościelska-Kasprzak Algorytmy przetwarzania wstępnego obrazów mikroskopowych w badaniu aktywności wydzielniczej limfocytów al. Politechniki 11, 90-924 Łódź, tel. (42) 631 2753 [email protected] DR KATARZYNA KOŚCIELSKA-KASPRZAK Akademia Medyczna im. Piastów Śląskich we Wrocławiu, Wydział Lekarski Kształcenia Podyplomowego, Katedra i Klinika Nefrologii i Medycyny Transplantacyjnej ul. Traugutta 57/59, 50-417 Wrocław tel. (071)-3700261, fax (071)-3418308 [email protected] Badania naukowe realizowane są w ramach grantu Ministerstwa Nauki i Informatyzacji nr 3T11E02929: „Opracowanie systemu analizy obrazów uzyskiwanych w immunoenzymatycznej wizualizacji aktywności wydzielniczej limfocytów metodą ELISPOT”.