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
