Click here to load reader

SEGMENTAZIONE AUTOMATICA DI REGIONI IN IMMAGINI ... ... acquisizione immagini, come telecamere o macchine fotografiche. Questo consente di ottenere immagini digitali che possono essere

  • View
    1

  • Download
    0

Embed Size (px)

Text of SEGMENTAZIONE AUTOMATICA DI REGIONI IN IMMAGINI ... ... acquisizione immagini, come telecamere o...

  • ALMA MATER STUDIORUM – UNIVERSITÀ DI BOLOGNA

    SEDE DI CESENA

    SECONDA FACOLTÀ DI INGEGNERIA CON SEDE A CESENA

    CORSO DI LAUREA MAGISTRALE IN INGEGNERIA BIOMEDICA

    SEGMENTAZIONE AUTOMATICA DI

    REGIONI IN IMMAGINI ISTOLOGICHE

    Tesi in

    Bioimmagini e Visione LM

    Relatore

    Prof. Alessandro Bevilacqua

    Presentata da

    Marco Marchetti

    Co-Relatore

    Ing. Alessandro Gherardi

    Ing. Filippo Piccinini

    Dott. Wainer Zoli

    Sessione Terza

    Anno Accademico 2010-2011

  • 1.1 Il tumore ........................................................................................................... 11

    1.2 Istologia ........................................................................................................... 13

    1.3 Trattamento del campione ............................................................................... 15

    1.4 Ematossilina ed Eosina (H&E) ........................................................................ 17

    1.5 Microscospia .................................................................................................... 18

    1.6 Microscopia in campo chiaro ........................................................................... 22

    1.7 Immagini digitali .............................................................................................. 23

    2.1 Istogramma ...................................................................................................... 28

    2.2 Elaborazioni globali ......................................................................................... 30

    2.2.1 Aumento del contrasto .............................................................................. 30

    2.2.2 Correzione gamma .................................................................................... 32

    2.2.3 Equalizzazione dell’istogramma ............................................................... 34

    2.3 Elaborazioni Locali .......................................................................................... 35

    2.3.1 Sharpening ................................................................................................ 36

    2.3.2 Riduzione del rumore ................................................................................ 37

    2.4 Segmentazione ................................................................................................. 39

    2.4.1 Sogliatura globale dell’istogramma .......................................................... 42

    2.4.2 Sogliatura locale dell’istogramma ............................................................. 44

  • 4

    2.4.3 Region growing ......................................................................................... 45

    2.4.4 Watershed .................................................................................................. 46

    2.4.5 K-means..................................................................................................... 47

    2.5 Texture analysis ............................................................................................... 50

    2.6 Il colore ............................................................................................................ 52

    2.6.1 L’occhio .................................................................................................... 53

    2.6.2 Spazio XYZ ............................................................................................... 55

    2.6.3 Spazio Lab ................................................................................................. 57

    4.1 Il colore come feature ...................................................................................... 75

    4.2 Utilizzo dell’istogramma nel processo di classificazione ................................ 75

    4.2.1 Confronto tra istogrammi .......................................................................... 76

    4.2.2 Misura di similarità tra istogrammi ........................................................... 80

    4.3 Scansione dell’immagine ................................................................................. 81

    5.1 Definizione dei parametri ................................................................................ 84

    5.2 Modifica dello spazio colore ............................................................................ 87

    5.3 Estrazione delle feature .................................................................................... 88

    5.4 Classificazione ................................................................................................. 91

    5.4.1 Funzionamento dell’algoritmo k-means .................................................... 92

    5.5 Salvataggio e visualizzazione .......................................................................... 93

    6.1 Performance dell’algoritmo ............................................................................. 97

    6.2 Il parametro nbin .............................................................................................. 99

    6.3 Testbed ........................................................................................................... 103

    6.4 Validazione della classificazione ................................................................... 103

    6.5 Guida al test ................................................................................................... 105

  • 5

    6.6 Presentazione delle regioni identificate ......................................................... 114

    6.7 Esempio di classificazione ............................................................................. 115

    6.8 Risultati del test ............................................................................................. 117

  • Il progresso tecnologico e i nuovi strumenti di analisi medica hanno contribuito in

    maniera sostanziale alla diminuzione dei tempi di attesa nel processo di diagnosi

    di varie patologie. In particolare, in oncologia l’aumento del numero degli esami

    di screening associato alla drastica diminuzione dei tempi di diagnosi ha

    contribuito in maniera determinante alla diminuzione dei decessi. Nel campo della

    medicina il raggiungimento di diagnosi precoci, attraverso l’analisi microscopica,

    tempestiva ed immediata, di preparati istologici, risulta quindi essere un costante

    obiettivo primario.

    In ambito clinico/ospedaliero, le unità di istologia patologica svolgono un ruolo

    fondamentale per la pianificazione di eventuali terapie mediche e/o chirurgiche,

    fornendo diagnosi su tessuti o cellule prelevate da pazienti in cui si sospetta una

    malattia. Tuttavia, questo tipo di analisi non viene effettuato solo a seguito di

    sospette patologie ma, nella pratica, ogni qualvolta viene effettuato un intervento

    chirurgico viene anche richiesta una analisi di campioni istologici. In particolare,

    la comune indagine istopatologica ha come obiettivo primario la distinzione e il

    rilevamento nei tessuti analizzati di cellule normali, infiammate, tumorali

    (distinguendo, inoltre, tra tumori benigni e maligni) ed altre condizioni

    patologiche. La figura professionale istruita per poter svolgere l’indagine è

    l’istopatologo, un medico specializzato nella discriminazione di tutte le differenti

    regioni presenti sul campione, a partire anche da una ridottissima porzione di

  • Introduzione

    8

    tessuto. In particolare, dopo aver prelevato dal paziente una porzione di tessuto da

    analizzare, si procede all’osservazione al microscopio di sottili sezioni di esso,

    trattate e colorate al fine di enfatizzare regioni e strutture.

    Nonostante il referto dell’istopatologo sia, ad oggi, l’unico riferimento per

    l’analisi dei campioni, al fine di ottenere analisi oggettive e ripetibili risulta molto

    interessante sfruttare la possibilità di connettere ai microscopi dispositivi di

    acquisizione immagini, come telecamere o macchine fotografiche. Questo

    consente di ottenere immagini digitali che possono essere salvate, elaborate ed

    analizzate in maniera automatica, applicando tecniche note e consolidate, o

    sviluppando metodi specifici. A tal proposito, un notevole interesse è rivolto a

    quelle tecniche di elaborazione delle immagini che permettono una migliore

    visualizzazione in termini qualitativi, come ad esempio l’aumento del contrasto,

    ma che forniscono anche un valido strumento per l’analisi quantitativa di

    specifiche caratteristiche morfologiche degli oggetti presenti all’interno

    dell’immagine, come ad esempio perimetro e area, valutate in misura assoluta

    attraverso opportune conversioni pixel-micrometri.

    In tale contesto, il presente lavoro di tesi ha avuto come obiettivo lo studio e

    l’implementazione di un opportuno metodo di segmentazione automatica volto a

    costituire uno strumento software semplice da utilizzare ed in grado di assistere

    l’istopatologo nell’identificazione di regioni percettivamente simili, presenti

    all’interno dell’immagine istologica. Il metodo sviluppato permette di elaborare

    un’ampia varietà di immagini istologiche e

Search related