HİSTOLOJİK DOKU KESİTİ GÖRÜNTÜLERİNDE REFERANS DOKUYA DAYALI NORMALİZASYON

Transkript

1 HİSTOLOJİK DOKU KESİTİ GÖRÜNTÜLERİNDE REFERANS DOKUYA DAYALI NORMALİZASYON *Selen Seyrek **Mustafa Şakar *Sülen Sarıoğlu Dokuz Eylül Üniversitesi Patoloji ABD* ve Meslek Yüksek Okulu Teknik Programlar Bölümü **

2

3 TERİMLER: Piksel: Dijital görüntülerin en küçük parçası 1 piksel= 1 nokta ~kare Her pikselde 1 renk Pikseller toplamı= resim 1 pikselde 3 element (yani 3 ışık kaynağı: R=red, G=green, B= blue) bir rengi oluşturmak için kullanılan üç ana renk Optik dansite: Her piksel için ışığın ölçümü Her bir renge karşılık gelen optik dansite değeri; 0= siyah, 255= beyaz Parlaklık (intensite): x ve y uzaysal boyutlar olmak üzere I(x,y), x ve y koordinatlarındaki pikselin parlaklık değerini gösterir.

4 Histogram: Renk dağılım sıklığı grafiği Bir resimdeki renk değerlerinin sayısını gösteren grafik Dikey eksen= piksel sayısı Yatay eksen= renk değerleri Her bir renk için ayrı histogram çizilebilir.

5 Renk dekonvolüsyonu*: Bu algoritma kullanılan boyaların gerçek renklerine bağlı olarak görüntüyü istenen renklere ayırır (örneğin hematoksilen, eozin, DAB). Bu da, aynı alan birden fazla boya içerse bile boyanmaların birbirini etkilememesini sağlar. * Ruifrok AC, Katz RL, Johnston DA. Comparison of quantification of histochemical staining by hue-saturation-intensity (HSI) transformation and color-deconvolution Appl Immunohistochem Mol Morphol Mar;11(1): Ruifrok AC: Quantification of immunohistochemical staining by color translation and automated thresholding Anal Quant Cytol Histol 1997;19: H, E ve DAB ile farklı kombinasyonlar Amaç: 2-3 renk kombinasyonunu pratik olarak ayırabilmek ve her boya için optik dansiteyi doğru değerlendirebilmek Metod: 1. renkleri ayırma 2. color deconvolution Sonuç: H-E de başarılı renk ayrımı ancak DAB koyu olduğu için, aynı kesitteki H ve E nin yanlış değerlendirilmesine neden oluyor.

6 Renk Normalizasyonu : renkli görüntülerde, aydınlatmaya (farklı ışıklandırma, farklı kamera vb.) bağlı renk değerleri farklılıklarına dayanarak nesne tanımlama/ayırma Literatürde bir çok renk normalizasyon metodu bulunmaktadır. M. Macenko, M.Niethammer, J. S. Marron, D.Borland, J. T. Woosley, X. Guan, C.Schmitt, N. E. Thomas, University of North Carolina, Chapel Hill, NC 2010 A Method For Normalızıng Hıstology Slıdes For Quantıtatıve Analysıs H-E boyalı 12 farklı kesit (5 i melanom + 7 si benign nevüs) ile önce manual yontemlerle, sonra da önerilen yontemle (otomatik) stain vektör hesabı yapilmis. Saturasyonu düşük pikseller baştan filtrelenmiş. Kullanilan her bir boyaya karşılık gelen bir stain vektor vardır ve bunu manuel islemler olmadan tam otomatik olarak hesaplanabilir. Her bir stain vektör ün maximum değerleri ayni noktaya çekilerek bir dengeleme önerilmis. Böylece tüm kesitler için istikrar sağlanabileceği vurgulanmakta. Küçük bir veritabanı.

7 Bu çalışmaların kısıtlılıkları; Ortalama renk değerlerinin bir eşitliği olacağı ön yargısı taşımaktadırlar. Örneğin: Normal mukoza ve karsinom kesit görüntülerinin intensite ve dansitesinin yakın olması beklenemez. Bu sorunu aşmak için en kolay yöntem kontrol doku kullanıp her bir boyamada bu referansla karşılaştırma yapmak olabilir.

8 Neden böyle bir çalışmaya gerek var? Histopatolojik doku kesitlerinin boyanma sürecindeki farklılıklar, bu kesitlerden elde edilen görüntülerin kantitatif analizini güçleştirmektedir. Normalizasyon çalışmaları histolojik kesitlerde renk miktarının (dansite ve intansite) standart olmasına dayalıdır. Ancak bu her zaman mümkün olamamakta ve görüntülerin semikantitatif ve kantitatif analizine yeterli katkıyı sağlayamamaktadır.

9 Bu çalışmanın amacı; Kontrol doku görüntülerinin histogram farkını, araştırılan görüntülerin histogramına transfer ederek, bu histopatolojik görüntülerin renk düzeltmelerini yapabilmektir.

10 Color Transfer Between Images A method for a more general form of color correction that borrows one image s color characteristics from another. Reinhard E, Ashikhmin M, Gooch B, Shirley P, IEEE 21(5): 34-41, 2001

11 Histogram transfer yazılımı Bu programda; Sisteme girilen görüntüler birbirlerinden farklı olmasına ve farklı zamanlarda elde edilmesine rağmen, taşıdıkları anlamlı verilere dayanarak birbirine benzetme işlemine sokulmaktadır. Programın temeli görüntülerin histogram transferine dayalıdır. Benzer çalışmalardan en önemli farkı kontrol doku görüntüsü kullanılmasıdır.

12 DİJİTAL GÖRÜNTÜLER Standart Boyalı Kesit Diğer kesit Standart Örnek Doku Görüntüsü (södg) Farklı kesitte aynı dokunun örnek görüntüsü (aödg) Standart Kontrol Doku görüntüsü (skdg) Farklı kesitte aynı dokunun kontrol görüntüsü (akdg) Histogram farkı (HF)= akdg- skdg aödg+hf= dödg södg, aödg ve dödg karşılaştırıldı.

13 MATERYAL VE METOD Kullanılan boyalar: *CD34 *H-E *Van Gieson Kullanılan dokular: Plasenta Sirozlu karaciğer Kolon normal mukoza Tümörlü kolon

14

15

16

17 Farklı şiddette boyanmalar elde edildi ve her kesitin mümkün olduğunca aynı alanı x20 büyütme ile aynı ışık şiddetinde fotoğraflandı.

18 Standart kesit Örnek kesit Standart örnek doku görüntüsü (södg) Farklı kesitte aynı örnek doku görüntüsü (aödg) Skor: 3 Skor: 2 Skor: 3 Skor: 3 Skor: 2 Düzeltilmiş ÖDG Histogram Farkı (HF)=aKDG-sKDG aödg+hf=düzeltilmişödg Standart kontrol doku görüntüsü (skdg) Farklı kesitte aynı dokunun kontrol görüntüsü (akdg)

19 Standart örnek doku görüntüsü (södg) Skor: 3 Farklı kesitte aynı örnek doku görüntüsü (aödg) Skor: 2 Skor: 3 Skor: 3 Skor: 2 Düzeltilmiş ÖDG Standart kontrol doku görüntüsü (skdg) Farklı kesitte aynı dokunun kontrol görüntüsü (akdg)

20 Standart kesit Örnek kesit Standart örnek doku görüntüsü (södg) Farklı kesitte aynı örnek doku görüntüsü (aödg) Skor: 3 Skor: 0 Skor: 4 Skor: 0 Skor: 3 Düzeltilmiş ÖDG Standart kontrol doku görüntüsü (skdg) Histogram Farkı (HF)=aKDG-sKDG aödg+hf=düzeltilmişödg Farklı kesitte aynı dokunun kontrol görüntüsü (akdg)

21 Programın performansının değerlendirilmesi södg, aödg ve dödg, patologlar tarafından semikantitatif olarak değerlendirildi. İmaj analiz programı ile görüntülerin toplam optik dansitesi ve boyanan alan yüzdeleri kantitatif olarak değerlendirildi.

22 Sonuçlar: İki gözlemci için wkappa: 0,59 Örnek doku görüntüleri ve standart kontrol doku görüntülerinin aynı semikantitatif skoru alma yüzdeleri %23,5 iken, düzeltilmiş örnek doku görüntüleri ile standart kontrol doku görüntülerinin aynı semikantitatif skoru alma yüzdeleri %76 a yükselmiştir. Plasenta (kontrol görüntü: plasenta); TOD si yüksek değer almış örnek doku görüntüleri %25 oranındayken, görüntüler düzeltildiğinde TOD yükselen grup % 75 olmuştur. Boyanan alan yüzdeleri ise %27 den % 72 ye yükselmiştir. Kolon submukoza (kontrol görüntü: plasenta); TOD si düşük değer almış örnek doku görüntüleri %77,8 oranındayken, görüntüler düzeltildiğinde TOD düşük değerde kalan görüntü grubu % 22,2 ye gerilemiştir. Ancak TOD si yükselen grup %33 değerine gerilemiştir. Kolon (kontrol görüntü: kolon); TOD si yüksek değer almış örnek doku görüntüleri %28 oranındayken, görüntüler düzeltildiğinde TOD yükselen grup % 72 olmuştur. Boyanan alan yüzdeleri ise %22 den % 78 e yükselmiştir. Ancak; Kolon (kontrol görüntü: karaciğer); TOD si yüksek değer almış örnek doku görüntüleri %66 oranındayken, görüntüler düzeltildiğinde TOD yüksek grup % 34 olmuştur.*** Boyanan alan yüzdeleri ise %33 den % 67 ye yükselmiştir.

23 SORUNLU GÖRÜNTÜLER*** Standart kesit Örnek kesit Standart örnek doku görüntüsü (södg) Farklı kesitte aynı örnek doku görüntüsü (aödg) Skor:4 Skor:1 Standart kontrol doku görüntüsü (skdg) Farklı kesitte aynı kontrol doku görüntüsü (akdg) Skor:2 Düzeltilmiş ÖDG Skor:2 Skor:1 Histogram Farkı (HF)=aKDG-sKDG aödg+hf=düzeltilmişödg

24 Bu değerlendirmeler sonucunda kontrol doku ile araştırılan örnek dokunun aynı doku olması durumunda programın daha verimli çalıştığı gözlemlenmiştir.

25 Tartışma Sonuç olarak, kontrol doku görüntüsüne dayalı histogram transferi metodu, doku kesiti görüntülerinin renk düzeltmesi için değerli bir yöntemdir.

26 SABRINIZ İÇİN TEŞEKKÜRLER