Segmentace buněčných jader

Pořízených konfokálním mikroskopem.

Základní pojmy Konfokální mikroskop. 3D analýza obrazu. DNA značkování. Typy tkání.

Ukázky tkání

Různé přístupy k segmentaci 1.Rigault Šedotonní otevření Top hat transformace Geodetická rekonstrukce Watershed

2.Ancin Prahování Split and merge Watershed

Další metody 3.Irinopoulou Prahování, Morfologické filtrování, Watershed Axiální segmentace na základě konvexnosti. Problémy:• Strukturální dezorganizace tkáně.• Heterogenita stavby buňky.

Algoritmus segmentace

Automatická segmentace Medián 3x3x3 Odhad průměrné velikosti jádra – iterační

algoritmus skládající se z Hough. shrinking(zcvrkávání) a zjištění počtu zcvrknutí.

Přepočet získaných hodnot k získání isomorfních dat.

Lokální prahování. Morfologická segmentace.

Gauss

2

2

23 2

s

s es

g

IgG ss *

zyxssGG

,,

2

Výpočet průměrného poloměru jádra

Vypočet velikosti a směru gradientu v obraze – aplikace Gaussova filtru.

Iterační cyklus s iterovanou proměnnou R, skládající se ze 2 kroků.

1.Vytvořen nový obraz, který slouží jako akumulátor, do kterého se podle Gauss. filtrovaného obrazu začnou akumulovat intenzity pro každý voxel podle R.

2.Ohodnocení dosaženého zcvrknutí pro každou buňku.

Výsledkem. ROPT - R s minimálním KF.

zyx

zyxF FK,,

2,,

Ukázky

Závislost radius x gradient

Lokální prahování I. Velikost regionů: 3ROPT*3ROPT*1 Regiony větší z důvodu zajištění pozadí v

každém regionu. Lokální práh:

I – původní obrazG – Sobelem filtrovaný obraz

OPT

OPT

OPT

OPT

OPT

OPT

OPT

OPT

Ra

aRx

Rb

bRyzyx

Ra

aRx

Rb

bRyzyxzyx

zba

G

GI

T )1(3

3

)1(3

3,,

)1(3

3

)1(3

3,,,,

,,

.

Lokální prahování II. Regiony bez jader jsou detekovány. Jinak by

při segmentaci vznikaly falešné objekty. Hodnoty lokálního prahu platí pro střed

regionu, v obraze jsou plynule interpolovány. Vnitřky jader jsou dodatečně obarveny na 1.

Morfologická segmentace Cíl: Odstranit smetí a rozdělit jádra, která se

dotýkají. Eroze s eliptickým jádrem odstraní

smetí. Výpočet kostry jader a jejich přiložení na pův.

obraz umožní oddělit hraničící objekty. Výsledkem je množina objektů určených k

interaktivní klasifikaci uživatelem.

OPTR.3

1

Metrické vlastnosti objektů Obsah, objem, výstřednost Zakřivenost:

Těžiště:

Objem

ObsahC

2

3

)(

),,(Objem

z

Objem

y

Objem

xi

ii

ii

i

Klasifikace uživatelem I.Uživatel klasifikuje region do 5 kategorii.• Jádro• Krajní jádro• Shluk jader• Shluk jader na okraji• Smetí

Klasifikace uživatelem II.

Dělení shluků jader I.

Testování metody Metoda byla testována na modelovém

příkladu. Pro testování byly vytvořeny virtuální buňky, u kterých se získali jejich průřezy. Získané 2D průřezy byly Gaussovým filtrem rozmazány k simulaci PSF a byl přidán šum. Na těchto datech byla prováděna segmentace.

Modely buněk

Vizualizace výsledků

Implementace IRIX C++ LAPACK Motif OpenGL