Σύστημα αυτόματης διάγνωσης ιστοπαθολογικών εικόνων μικροσκοπίας.

Transcript

1 ΕΘΝΙΚΟ ΚΑΙ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ "ΤΕΧΝΟΛΟΓΙΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗΝ ΙΑΤΡΙΚΗ ΚΑΙ ΤΗ ΒΙΟΛΟΓΙΑ" ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Σύστημα αυτόματης διάγνωσης ιστοπαθολογικών εικόνων μικροσκοπίας. Λούης Παπαγεωργίου Επιβλέπων: Κάβουρας Διονύσιος, Καθηγητής ΑΘΗΝΑ Ιούνιος 2013

2 Σελ. 2

3 ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Σύστημα αυτόματης διάγνωσης ιστοπαθολογικών εικόνων μικροσκοπίας Λούης Παπαγεωργίου Επιβλέπων: Α.Μ.: ΠΙΒ059 Κάβουρας Διονύσιος, Καθηγητής ΕΞΕΤΑΣΤΙΚΗ ΕΠΙΤΡΟΠΗ: Κάβουρας Διονύσιος, Καθηγητής Σαγκριώτης Μανώλης, Καθηγητής Σπύρος Κωστόπουλος, Εργαστηριακός Συνεργάτης Ιούνιος 2013 Σελ. 3

4 Σελ. 4

5 ΠΕΡΙΛΗΨΗ Αντικείμενο της παρούσας διπλωματικής είναι η μελέτη και ανάπτυξη ενός συστήματος λήψης, επεξεργασίας και ανάλυσης ιστοπαθολογικών εικόνων μικροσκοπίας για την υποστήριξη της διάγνωσης του ενδομητριακού καρκίνου. Στην υπάρχουσα βιβλιογραφία του ενδομητριακό καρκίνο, δεν υπάρχει άλλη μελέτη που να αφορά την ποσοτική ανάλυση ιστοπαθολογικών εικόνων ενδομητριακών κυττάρων. Παρόμοιες εργασίες, αφορούσαν ολοκληρωμένα συστήματα ταξινόμησης ιστοπαθολογικών εικόνων άλλου είδους καρκίνου. Η δομή της υλοποίησης χωρίζεται σε πέντε βασικές διαδικασίες. Η πρώτη διαδικασία αφορά την ψηφιοποίηση των διαθέσιμων βιοψιών του ενδομητριακού καρκίνου. Οι βιοψίες επεξεργάστηκαν από την ιστοπαθολόγο με τη χρώση Αιματοξυλίνης-Ιωσίνης για τη εκτίμηση του βαθμού διαφοροποίησης του όγκου και ανοσοϊστοχημικά για την έκφραση του ογκογονιδίου cerb-b. Έχουμε ψηφιοποιήσει 17 βιοψίες/περιστατικά, μέσα από τις οποίες έγινε λήψη σε 117 ψηφιακές ιστοπαθολογικές εικόνες μικροσκοπίας. Η λήψη των ιστοπαθολογικών εικόνων έγινε με την χρήση οπτικού μικροσκοπίου και ενσωματωμένης κάμερας. Η δεύτερη διαδικασία αφορά την επεξεργασία των ιστοπαθολογικών εικόνων μικροσκοπίας, όπου με τεχνικές τμηματοποίησης απομονώνεται η περιοχή ενδιαφέροντος, οι κυτταρικοί πυρήνες, οι οποίοι φέρουν καφέ χρώμα. Με συνδυασμό τεχνικών, το σύστημα είναι ικανό να προβλέψει και να διαχωρίσει περιοχές ενδιαφέροντος που κρύβουν δύο οι περισσοτέρους προσκολλημένους κυτταρικούς πυρήνες. Η τρίτη διαδικασία περιλαμβάνει την εξαγωγή των χαρακτηριστικών από την περιοχή ενδιαφέροντος της ιστοπαθολογικής εικόνας. Εξάγουμε 24 χαρακτηριστικά, εκ τον οποίων τα 18 είναι χαρακτηριστικά υφής και τα υπόλοιπα 6 μορφολογικά χαρακτηριστικά. Για την εξαγωγή των χαρακτηριστικών υπολογίστηκαν μήτρες όπως, «co-occurance matrix» και «gray level run length matrix». Η τέταρτη διαδικασία αφορά την υλοποίηση του συστήματος αναγνώρισης προτύπων. Για την επιλογή χαρακτηριστικών χρησιμοποιήθηκαν τεχνικές όπως η εξαντλητική αναζήτηση βέλτιστων χαρακτηριστικών «exhaustive search» και τεχνικές μη βέλτιστης επιλογής χαρακτηριστικών με στατιστικούς ελέγχους. Για την ταξινόμηση των προτύπων, μελετήθηκαν αλγόριθμοι ταξινόμησης που ήταν ικανοί να διαχωρίσουν άγνωστα πρότυπα μεταξύ τριών διαθέσιμων κλάσεων ( επιπέδων «grades Ι, ΙΙ, ή ΙΙΙ» ενδομητριακού καρκίνου) όπως ο «Minimum Distance Classifier (MDC)», ο «k-nearest Neighbours (K-NN)», ο «Least Squares Minimum Distance Classifier (LSMDC)», ο «Linear Bayes Classifier (LBC)» και τα «Probabilistic Neural Network (PNN)». Εκτός από την επιλογή του καλύτερου ταξινομητή, προτάθηκαν τρόποι υλοποίησης με συνδυασμό ταξινομητών «ensemble classifier» κάνοντας χρήση συνδυαστικών τεχνικών και κανόνων απόφασης «majority rules». Η τελευταία διαδικασία αφορά την αξιολόγηση των τεχνικών και αλγορίθμων που προτάθηκαν. Συγκρίνοντας τα αποτελέσματα, επιλέγεται η καλύτερη τεχνική με την οποία προτείνεται η υλοποίηση του συστήματος Για τον εγγύτερο υπολογισμό των παραμέτρων εκτίμησης χρησιμοποιήθηκαν μέθοδοι επαναληπτικής δειγματοληψίας, όπως τις τεχνικές «leave one out» και «external cross validation». Σελ. 5

6 Η ανάπτυξη του συστήματος λήψης, επεξεργασίας και ανάλυσης ιστοπαθολογικών εικόνων μικροσκοπίας που περιγράφουμε είναι εφικτή, με πολύ ενθαρρυντικά αποτελέσματα. Με βάση τα αποτελέσματα καλύτερος αλγόριθμος είναι τα πιθανοτικά νευρωνικά δίκτυα. Στην επιλογή βέλτιστου συνδυασμού χαρακτηριστικών με εξαντλητική αναζήτηση, κάνοντας χρήση της μεθόδου «leave one out», επιτεύχθηκε το ποσοστό 96% ορθής ταξινόμησης. Αντίστοιχα είχαμε 94% ορθής ταξινόμησης, στις μη βέλτιστες μεθόδους επιλογής καλύτερου συνδυασμού χαρακτηριστικών. Τέλος στην τελική αξιολόγηση του ταξινομητή επιτεύχθηκε το ποσοστό 82.5% 6.2 ορθής ταξινόμησης άγνωστων προτύπων, με την επαναδειγματοληπτική μέθοδο «external cross validation», επιλέγοντας χαρακτηριστικά με την μη βέλτιστη τεχνική «sequentialfs». ΘΕΜΑΤΙΚΗ ΠΕΡΙΟΧΗ: Επεξεργασία εικόνας, Αναγνώριση προτύπων ΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Επεξεργασία εικόνας, Τμηματοποίηση εικόνας, Χαρακτηριστικά υφής, Μορφολογικά χαρακτηριστικά, Επιλογή χαρακτηριστικών, Αναγνώριση Προτύπων, Ενδομητριακός καρκίνος, Ογκογονίδιο cerb-β, Οπτικό μικροσκόπιο, Ιστοπαθολογικές εικόνες Σελ. 6

7 ABSTRACT The objective of the foreclosed thesis is the study and development of a system which receives, processes and analyses histopathological microscopical images, to assist/support the diagnosis of endometrial cancer. From the current available sources, no other study was found with regard to the quantitative analysis of histopathological images related to endometrial cancer. Similar studies regarding complete systems of histopathological image classification of another type of cancer. The structure of implementation is divided into five basic procedures. The first one concerns the digitation of available biopsies of endometrial cancer. The biopsies were processed by histopathologist staining Hematoxylin- Iosinis to assess the degree of tumor and immunohistochemically for the expression of the oncogene cerb-b. We have digitized 17 biopsy / incidents involving different patients, from which 117 digital histopathologic microscopical images were taken. The histopathological image sample was taken using an optical microscope and an integrated camera. The second procedure concerns the processing of histopathological microscopical images by segmenting the region of interest (ROI). The ROI is defined as the expressed nuclei that where colored brown. With a combination of techniques, the system is able to predict and distinguish ROIs that conceal two or more adherent nuclei. The third procedure involves the feature extraction stage. We extract 24 features, of which 18 are textural features and the other 6 are morphological features. Textural features were calculated based on the gray level cooccurrence matrix and the gray level run length matrix. The fourth procedure concerns the implementation of the pattern recognition system. For the features selection stage, the Kruskal-Wallis statistical test and a linear regression method were employed as non optimal techniques. The exhaustive search method was also utilized as the optimum feature selection technique. For the classification stage, a variety of classifiers were tested such as the Minimum Distance (MDC), the k-nearest Neighbour (K- NN), the Least Squares Minimum Distance (LSMDC), the 'Linear Bayes (LBC) and the Probabilistic Neural Network (PNN). The classification task was to characterize an image into three grades of endometrial cancer (grade I, II, or III). Αpart from the classical implementation of the pattern recognition system of choosing the best classifier, methods of implementation combining classifiers ensemble classification schemes were proposed, using combinatorial techniques and decision rules majority rules. The last procedure concerns the evaluation of the techniques and algorithms which have been proposed. Comparing the results, the best technique which the system implementation proposes, is selected. For the best estimation of the calculating parameters, methods of iterative sampling techniques were used, such as leave one out and external cross validation. Best classification algorithm was found the PNN that gave 94% of correct classification when non optimal feature selection method were employed. The PNN scored around 96% overall accuracy employing the exhaustive search and the leave one out methods. The proposed image analysis system proved Σελ. 7

8 capable of classifying a new image with an average accuracy of 82% employing the external cross validation method. Results are promising for the development of such system, with some modest modifications suitable for a clinical environment. SUBJECT AREA: Digital image processing, Pattern Recognition KEYWORDS: Image Processing, Image Segmentation, Texture features, Morphological features, Features selection, Pattern Recognition, Endometrial cancer, Οncogene cerb-β, Οptical microscope, Histopathological image, Σελ. 8

9 Στο αγώνα αντιμετώπισης του ενδομητριακού καρκίνου Σελ. 9

10 Σελ. 10

11 ΕΥΧΑΡΙΣΤΙΕΣ Η παρούσα διπλωματική εργασία εκπονήθηκε στο διατμηματικό μεταπτυχιακό πρόγραμμα «Τεχνολογίες πληροφορικής στην Ιατρική και την βιολογία» που οργανώνεται από το Τμήμα πληροφορικής και τηλεπικοινωνιών του Εθνικού και Καποδιστριακού πανεπιστημίου Αθηνών σε σύμπραξη με το ΤΕΙ Αθήνας και σε συνεργασία με το Ίδρυμα ιατροβιολογικών ερευνών της ακαδημίας Αθηνών (ΙΙΒΕΑΑ) και το Ινστιτούτο πληροφορικής και τηλεπικοινωνιών του ΕΚΕΦΕ Δημόκριτος. Κρίνω σκόπιμο να ευχαριστήσω τον επιβλέποντα καθηγητή του μεταπτυχιακού προγράμματος Κάβουρα Διονύσιο, καθηγητή ΤΕΙ Αθήνας, που μου έδωσε την ευκαιρία να ασχοληθώ με τον τομέα της βιοιατρικής τεχνολογίας. Επίσης θα ήθελα να τον ευχαριστήσω για την ολική συμβολή του στην επιλογή και οριοθέτηση του θέματος αλλά και την ευεργετική καθοδήγηση που μου παρείχε σε όλη την διάρκεια εκπόνησης της διπλωματικής εργασίας. Ευχαριστώ επίσης τον Κωστόπουλο Σπύρο, εργαστηριακό συνεργάτη του τμήματος Τεχνολογίας Ιατρικών Οργάνων του ΤΕΙ Αθήνας, για την διεπιστημονική υποστήριξη και μέριμνα για την ολοκλήρωση της έρευνας. Θα ήθελα να ευχαριστήσω επίσης τους καθηγητές του μεταπτυχιακού προγράμματος Σαγριώτη Μανώλη, αναπληρωτή καθηγητή ιδρύματος για την συμμετοχή του στην τριμελή επιτροπή. Θερμές ευχαριστίες οφείλω σε όλους τους καθηγητές του μεταπτυχιακού προγράμματος, όπου μέσα από τα μαθήματα διδασκαλίας τους, μου πρόσφεραν ένα πολύ μεγάλο ποσοστό της γνώσης, αλλά και τις οδούς απόκτησης της. Περαιτέρω θα ήθελα να ευχαριστήσω την ιατρό του Πανεπιστημιακού Νοσοκομείου Πατρών, κ. Παναγιώτα Ραβαζούλα, που μου διάθεσε τις βιοψίες των ασθενών, πολύ χρήσιμο υλικό για την διεκπεραίωση της παρούσας διπλωματικής εργασίας. Τέλος θα ήθελα να ευχαριστήσω την οικογένεια μου και τους φίλους μου, για την ευγνωμοσύνη και την απεριόριστη αγάπη τους που μου έδειξαν καθ όλη την πορεία των σπουδών μου. Σελ. 11

12 Σελ. 12

13 ΠΕΡΙΕΧΟΜΕΝΑ Θεωρητικό Μέρος Κεφάλαιο 1 - Καρκίνος Εισαγωγή Καρκίνος Γυναικολογικός Καρκίνος Ενδομητριακός Καρκίνος. 36 Κεφάλαιο 2 - Ανίχνευση ενδομητριακού καρκίνου 2.1 Ανίχνευση ενδομητριακού καρκίνου με χρώσεις 51 Κεφάλαιο 3 - Ψηφιακή Εικόνα Εισαγωγή Δυαδική εικόνα Εικόνα αποχρώσεων γκρι / Μονοχρωματική Έγχρωμη Εικόνα Χαρακτηριστικά Ψηφιακών εικόνων Αρχεία τύπου «JPG» Αρχεία τύπου «TIF» Κεφάλαιο 4 - Μικροσκόπιο Εισαγωγή Περιγραφή Μικροσκοπίου Λειτουργία Μικροσκοπίου Ιστοπαθολογικές εικόνες μικροσκοπίας Πειραματικό Μέρος Κεφάλαιο 5 - Γενική περιγραφή διαδικασίας Εισαγωγή Στάδια Υλοποίησης / Βασικά στάδια Ψηφιοποίηση Επεξεργασία ψηφιακής εικόνας Εξαγωγή Χαρακτηριστικών Αναγνώριση προτύπων Δείγμα.. 76 Κεφάλαιο 6 - Επεξεργασία ψηφιακής Εικόνας Εισαγωγή Μερικός αποχρωματισμός Μετατροπή της έγχρωμης ψηφιακής εικόνας σε μονοχρωματική Περιορισμένη αντίθεση προσαρμοσμένης εξισορρόπηση ιστογράμματος Μετατροπή σε δυαδική εικόνα Μετασχηματισμός τοπικών ελαχίστων με συγκεκριμένο κατώφλι Μορφολογική επεξεργασία Διεύρυνση δυαδικής εικόνας Διάβρωση δυαδικής εικόνας Τελεστής Διάνοιξης Τελεστής Πλήρωσης Αφαίρεση μικρών αντικειμένων Πλήρωση μικρών περιοχών Ανίχνευση κυτταρικών πυρήνων Σελ. 13

14 6.9 Επίπεδο Ι «Εικόνας» Διαχωρισμός κυτταρικών πυρήνων / Χαρτογράφησης εικόνας Επίπεδο ΙΙ «Παραθύρων» Οριοθέτηση, βελτίωση και διαχωρισμός κυτταρικών πυρήνων Επίπεδο ΙΙΙ «Μεγάλων Παραθύρων». Εύρεση βέλτιστου πιθανού πολλαπλού διαχωρισμού Παράμετροι καταλληλότητας κυτταρικών πυρήνων Συλλογή πληροφορίας κυτταρικών πυρήνων εικόνας Παρουσίαση αποτελέσματος Κεφάλαιο 7 - Εξαγωγή Χαρακτηριστικών Εισαγωγή Χαρακτηριστικά υφής 1 ης τάξης Χαρακτηριστικά υφής 2 ης τάξης / Πινάκων συνεμφάνισης Χαρακτηριστικά υφής 2 ης τάξης / Χαρακτηριστικά πινάκων μήκους διαδρομής επιπέδων φωτεινότητας Μορφολογικά Χαρακτηριστικά. 144 Κεφάλαιο 8 - Αναγνώριση Προτύπων Εισαγωγή Καθορισμός δεδομένων Αλγόριθμοι Ταξινόμησης Ταξινομητής ελάχιστης απόστασης «Minimum Distance Classifier (MDC)» Ταξινομητής κ-πλησιέστερων γειτόνων «k-nearest Neighbours (KNN)» Ταξινομητής ελαχίστων τετραγώνων «Least Squares Minimum Distance Classifier (LSMDC)» Γραμμικός ταξινομητής Bayes «Linear Bayes Classifier (LBC)» Πιθανοτικά νευρωνικά δίκτυα «Probabilistic Neural Network (PNN)» Επιλογή χαρακτηριστικών Σχεδιασμός συστήματος ταξινόμησης Μέθοδοι Συνδυασμού Ταξινομητών Συνδυαστικές τεχνικές δυαδικής απόφασης «Hard Labeling» Συνδυαστικές τεχνικές πιθανοτικής απόφασης «Soft Labeling» Υλοποίηση με βάση τα προβλήματα ταξινόμησης Απόδοση ταξινομητών / Συστήματος ταξινόμησης Κεφάλαιο 9 - Αποτελέσματα Αποτελέσματα επιλογής χαρακτηριστικών Αποτελέσματα απόδοσης αλγορίθμων ταξινόμησης Κεφάλαιο 10 - Συμπεράσματα Αναφορές- 201 Σελ. 14

15 ΚΑΤΑΛΟΓΟΣ ΣΧΗΜΑΤΩΝ Σχήμα 3.1 : Αναπαράσταση εικόνας αποχρώσεων γκρι, M x N διαστάσεων. Σχήμα 3.2 : Αναπαράσταση έγχρωμης ψηφιακής εικόνας M x N διαστάσεων.. Σχήμα 5.1 : Τα διάφορα στάδια υλοποίησης για την ομαλή μελέτη και ανάπτυξη του συστήματος λήψης, επεξεργασίας και ανάλυσης ιστοπαθολογικών εικόνων μικροσκοπίας για την ταξινόμησή τους σε κατηγορίες διαφορετικής κακοήθειας... Σχήμα 5.2 : Στάδια επεξεργασίας ψηφιακής ιστοπαθολογικής εικόνας. Εντοπισμός και τμηματοποίηση περιοχής ενδιαφέροντος (κυτταρικούς πυρήνες)... Σχήμα 5.3 : Η διαδικασία εξαγωγής χαρακτηριστικών κάθε κυτταρικού πυρήνα και τελικά της κάθε ιστοπαθολογικής εικόνας... Σχήμα 5.4 : Στάδια υλοποίησης στην αναγνώριση προτύπων για το σχεδιασμό του συστήματος ταξινόμησης... Σχήμα 6.1 : Παράδειγμα εφαρμογής του μετασχηματισμού τοπικών ελαχίστων «H-minima transform». με κατώφλι 2 στην μονοχρωματική εικόνα που αναπαριστάται από τον δυσδιάστατο πίνακα «Α» και το αποτέλεσμα η δυαδική εικόνα που αναπαριστάται από τον πίνακα «Β»... Σχήμα 6.2 : Δομικά στοιχεία που χρησιμοποιούνται στην δυαδική μορφολογική επεξεργασία. Α. Τετράγωνο «square» 80x80, B. Ρόμβος «diamond» 80x80, Γ. Δίσκος «disk» 80x80 Δ. Οκτάγωνο «octagon» 80x80... Σχήμα 6.3 : Διεύρυνση δυαδικής εικόνας με την χρήση δομικού στοιχείου τετραγώνου 10x10 εικονοστοιχείων. Α, Δ η δυαδική εικόνα στην οποία εφαρμόσαμε την διεύρυνση Β, Ε το δομικό στοιχείο τετράγωνο «square» 10x10, Γ, Ζ η παραγόμενη δυαδική εικόνα μετά την χρήση της τεχνικής... Σχήμα 6.4 : Διάβρωση δυαδικής εικόνας με την χρήση δομικού στοιχείου τετραγώνου 10x10 εικονοστοιχείων. Α, Δ η δυαδική εικόνα στην οποία εφαρμόσαμε την διάβρωση Β, Ε το δομικό στοιχείο τετράγωνο «square» 10x10, Γ, Ζ η παραγόμενη δυαδική εικόνα μετά την χρήση της τεχνικής... Σχήμα 6.5 :Παράδειγμα εφαρμογής τελεστή διάνοιξης «openning» στην δυαδική εικόνα Α με την χρήση δομικού στοιχείου Β, σε σχήμα δίσκου «disk» διαστάσεων 20x20 ή ακτίνας r=10 εικονοστοιχείων. Το αποτέλεσμα της παραγόμενης εικόνας παρουσιάζεται στην εικόνα Γ σελ.56 σελ.57 σελ.70 σελ.72 σελ.74 σελ.75 σελ.89 σελ.91 σελ.92 σελ.93 σελ.94 Σελ. 15

16 όπου μπορούμε να δούμε ξεκάθαρα τον σαφή διαχωρισμό του αρχικού αντικειμένου σε δύο αντικείμενα... Σχήμα 6.6 : Παράδειγμα εφαρμογής τελεστή πλήρωσης στην δυαδική εικόνα Α με την χρήση δομικού στοιχείου Β, σε σχήμα δίσκου «disk» διαστάσεων 20x20 ή ακτίνας r=10 εικονοστοιχείων. Το αποτέλεσμα της παραγόμενης εικόνας παρουσιάζεται στην εικόνα Γ... Σχήμα 6.7 : Η μάσκα του μορφολογικού φίλτρου που εφαρμόζουμε στην δυαδική εικόνα του κάθε πυρήνα. Με μπλε χρώματα χρωματίζονται τα εικονοστοιχεία απόφασης του μορφολογικού φίλτρου της μάσκας... Σχήμα 7.1 : Τέσσερις οπτικές γωνίες «φ» με τις οποίες μπορούμε να ανατρέξουμε τα εικονοστοιχεία της ψηφιακής εικόνας μας... Σχήμα 7.2 :Αριστερά οι τέσσερις οπτικές γωνίες με τις οποίες μπορούμε να ανατρέξουμε τα εικονοστοιχεία της ψηφιακής εικόνας μας και δεξιά η αναπαράσταση του πίνακα μήκους διαδρομής επιπέδων φωτεινότητας «Gray level Run length»... Σχήμα 8.1 : Αναπαράσταση τρόπου παραγωγής προτύπου κάθε ιστοπαθολογικής εικόνας... Σχήμα 8.2 : Οι κλάσεις που έχουμε δημιουργήσει με τα διαθέσιμα πρότυπα της κάθε ιστοπαθολογικής εικόνας στο σύστημα αναγνώρισης προτύπων με τα 3α επίπεδα του ενδομητριακού καρκίνου... Σχήμα 8.3 : Τα σύνολα εκπαίδευσης ανάλογα με ταξινόμηση που θέλουμε να εκτελέσουμε στο άγνωστο πρότυπο που εισάγουμε στο σύστημα αναγνώρισης προτύπων... Σχήμα 8.4 : Το κάθε στιγμιότυπο εισαγωγής αλλά και τα άγνωστα πρότυπα που δημιουργούνται και ταξινομούνται από το σύστημα αναγνώρισης προτύπων... Σχήμα 8.5 : Παράδειγμα ταξινόμησης αγνώστου προτύπου στο χώρο με βάση την ευκλείδεια απόσταση μεταξύ δύο διαθέσιμων κλάσεων... Σχήμα 8.6 :Α. Διάσταση χαρακτηριστικών, Β. Επαυξημένη διάσταση χαρακτηριστικών, Γ. Διάσταση απόφασης. Σχήμα 8.7 : Συνάρτηση πυκνότητας πιθανότητας του άγνωστου προτύπου για δύο κλάσεις με πρότυπα από ένα χαρακτηριστικό (μονοδιάστατα διανύσματα). Στο σημείο η ταξινόμηση του άγνωστου προτύπου στις δύο κλάσεις είναι ισοπίθανη, με την ίδια πιθανότητα συσχέτισης σελ.94 σελ.117 σελ.136 σελ.142 σελ.148 σελ.149 σελ.150 σελ.152 σελ.155 σελ.158 σελ.161 Σελ. 16

17 Σχήμα 8.8 : Αναπαράσταση πιθανοτικού νευρωνικού δικτύου από πρότυπα/διανύσματα που έχουν 4 συνιστώσες/χαρακτηριστικά, σύνολο εκπαίδευσης με 8 πρότυπα και 2 διαθέσιμες κλάσης ταξινόμησης... Σχήμα 8.9 : Στάδια επιλογής βέλτιστου συνδυασμού χαρακτηριστικών προτύπων, του συστήματος ταξινόμησης. Σχήμα 8.10 : Αναπαράσταση περιοχών υπόθεσης αποδοχής και υπόθεσης απόρριψης στο Kruskal Wallis τεστ. Σχήμα 8.11 : Τα στάδια υλοποίησης του συστήματος ταξινόμησης αναγνώρισης προτύπων «ensemble classification schemes» για διαχωρισμό άγνωστων προτύπων μεταξύ των τριών σταδίων του ενδομητριακού καρκίνου... Σχήμα 8.12 : Παράδειγμα διαχωρισμού συνόλου προτύπων στην «external cross validation» σε σύνολο ελέγχου και σύνολο εκπαίδευσης... σελ.164 σελ.169 σελ.171 σελ.176 σελ.180 Σελ. 17

18 Σελ. 18

19 ΚΑΤΑΛΟΓΟΣ ΕΙΚΟΝΩΝ Εικόνα 1.1 : Καταγεγραμμένες νέες διαγνώσεις καρκίνου κατά το έτος 2008 ανά το παγκόσμιο.. σελ.31 Εικόνα 1.2 : Α - κανονική διαίρεση κυττάρων, Β - καρκινική διαίρεση κυττάρων, -1- απόπτωση, -2- κατεστραμμένο κύτταρο. 0 Προσαρμοσμένη εκτίμηση ανά ηλικία του ποσοστού επίπτωσης και θνησιμότητας: Καρκίνοι που βρέθηκαν σε γυναίκες... Εικόνα 1.4 : Η μήτρα και οι γύρω ιστοί.. Εικόνα 1.5 : Α. Αναπαράσταση ενδομήτριου καρκινώματος. Β. 3 Ο Στάδιο ενδομητριοειδούς αδενοκαρκινώματος που εισβάλλει ελαφρώς περισσότερο από το ήμισυ του πάχους του μυομητρίου. Εικόνα 1.6 : Στάδιο Ι ενδομητριοειδούς καρκίνου. Εικόνα 1.7 :Στάδιο ΙΙ ενδομητριοειδούς καρκίνου... Εικόνα 1.8 :Στάδιο ΙΙΙ ενδομητριοειδούς καρκίνου. Εικόνα 1.9 :Στάδιο ΙV ενδομητριοειδούς καρκίνου.... Εικόνα 2.1 : Τρόποι λήψης δείγματος ιστών από το ενδομήτριο... Εικόνα 2.2 : Η διαμεμβρανική πρωτεϊνη, υποδοχείς αυξητικών παραγόντων κινάση της τυροσίνης που κωδικοποιεί το ογκογονίδιο cerb-b (HER ή neu)... Εικόνα 2.3 :Ψηφιακή ιστοπαθολογική εικόνα μικροσκοπίου.ψηφιακή ιστοπαθολογική εικόνα μικροσκοπίου... Εικόνα 3.1 :Διαδική εικόνα, αναπαράσταση με μαύρο χρώμα του σχήματος κύκλου. Εικόνα 3.2 : Οι 256 αποχρώσεις του γκρί που μπορεί να χρησιμοποιηθούν σε μία εικόνα αποχρώσεων γκρι, χρωματικού βάθους 8 bit... Εικόνα 3.3 : Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας... Εικόνα 3.4 : Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας.. Εικόνα 4.1 : Το οπτικό μικροσκόπιο με ενσωματωμένη κάμερα... Εικόνα 4.2 : Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό σελ.32 σελ.35 σελ.35 σελ.37 σελ.44 σελ.46 σελ.46 σελ.47 σελ.51 σελ.53 σελ.54 σελ.55 σελ.57 σελ.58 σελ.59 σελ.64 σελ.66 Σελ. 19

20 μικροσκόπιο με την χρήση 40 αντικειμενικού φακού... Εικόνα 4.3 :Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 20 αντικειμενικού φακού... Εικόνα 5.1 : Η διαδικασία ψηφιοποίησης του δείγματος των αντικειμενοφόρων πλακών με την βοήθεια του οπτικού μικροσκοπίου και ενσωματωμένης κάμερας... Εικόνα 6.1 : Α. Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας. Β. Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας μετά από την χρήση της τεχνικής του μερικού αποχρωματισμού... Εικόνα 6.2 : Α. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας.β. Αποτέλεσμα εφαρμογής τεχνικών μετατροπής έγχρωμης ψηφιακής εικόνας σε μονοχρωματική ψηφιακή εικόνα Εικόνα 6.3 : Οι εικόνες Α, Γ και Ε είναι ψηφιακές μονοχρωματικές ιστοπαθολογικές εικόνες από οπτικό μικροσκόπιο με την χρήση 40 (Α, Ε) ή 20 (Γ) φακού και κάμερας. Έχουν παραχθεί από έγχρωμες ψηφιακές εικόνες, αποχρωματισμένες στο πράσινο, κυανό και ιώδες. Οι εικόνες Β, Δ και Ζ είναι αποτελέσματα μετά την εφαρμογή της τεχνικής «CLAHE». Στην εικόνα Ζ βλέπουμε ότι παρά το γεγονός ότι δεν έχουμε σαφή προσδιορισμό των κυτταρικών πυρήνων λόγω της όχι καλής χρώσης, παρουσιάζεται σημαντική βελτίωσης της μονοχρωματικής εικόνας «Ε» όσο αφορά την ένταση των γκρι τόνων των πυρήνων... Εικόνα 6.4 : Διάφορες τεχνικές μετατροπής της μονοχρωματικής ψηφιακής εικόνας σε δυαδική εικόνα... Εικόνα 6.5 : Στα Α, Γ και Ε αναπαριστούνται οι ψηφιακές μονοχρωματικές ιστοπαθολογικές εικόνες από οπτικό μικροσκόπιο με την χρήση 40 (Α, Ε) ή 20 (Γ) φακού και κάμερας. Έχουν παραχθεί από έγχρωμες εικόνες, αποχρωματισμένες στο πράσινο, κυανό και ιώδες, όπου μετά την μετατροπή τους σε μονοχρωματικές εφαρμόστηκε η τεχνική «CLAHE». Στα Β, Δ και Ζ αναπαριστούνται τα αποτελέσματα μετά την εφαρμογή του «H-minima transform» μετασχηματισμού τοπικών ελαχίστων με κατώφλι «80». Στην εικόνα Ζ βλέπουμε ότι παρά το γεγονός ότι δεν έχουμε σαφή προσδιορισμό των κυτταρικών πυρήνων λόγω όχι καλής χρώσης παρουσιάζονται πολύ ικανοποιητικά οι πυρήνες με την χρήση της τεχνικής «H-minima transform»... Εικόνα 6.6 : Α και Δ Αρχικές δυαδικές εικόνας. Ι το δομικό στοιχείο που εφαρμόστηκε είναι σχήμα δίσκου «disk» διαστάσεων 6x6 ή ακτίνας r=3 εικονοστοιχείων. Β και Ε αποτελέσματα διεύρυνσης «dilation», Γ και Ζ σελ.67 σελ.71 σελ.80 σελ.82 σελ.84 σελ.87 σελ.90 σελ.95 Σελ. 20

21 αποτελέσματα διάβρωσης «erode». Θ αποτελέσματα διάνοιξης «open», E αποτελέσματα πλήρωσης «close»... Εικόνα 6.7 : Εικόνα Α η δυαδική εικόνα που παράγαμε με την τεχνική «H-minima transform» που έχουμε προαναφέραμε σε προηγούμενες παραγράφους. Με λευκό χρώμα διακρίνονται οι κυτταρικοί πυρήνες και το κυτταρόπλασμα που παρουσιάζεται σαν θόρυβος στην εικόνα. Β Η παραγόμενη δυαδική εικόνα μετά την εφαρμογή αφαίρεσης μικρών αντικειμένων «bwareaopen» με κατώφλι 100 εικονοστοιχεία και για οκτώ συνδεδεμένους γείτονες... Εικόνα 6.8 : Α η δυαδική εικόνα στο στάδιο μετά την εφαρμογή της συνάρτησης «bwareaopen», αφαίρεσης μικρών αντικειμένων. Β η δυαδική εικόνα μετά την εφαρμογή της τεχνικής πλήρωσης μικρών περιοχών με αποτέλεσμα απαλοιφής των κενών που βρίσκονται στα αντικείμενα... Εικόνα 6.9 : Α. Παράδειγμα εικόνας που χρησιμοποιήθηκε για την παραγωγή της αρχικής δυαδικής εικόνας δείκτης «Α» που παρουσιάζεται στο σχήμα Β. Η εικόνα Α είναι η παραγόμενη εικόνα που δημιουργήθηκε κατά τα σειρά εκτέλεσης των διαφόρων σταδίων επεξεργασίας μετά την εφαρμογή της τεχνικής «H-minima transform»... Εικόνα 6.10 : Α Η αρχική δυαδική εικόνα δείκτης «Α» που χρησιμοποιήθηκε για την παραγωγή της εικόνας «Β» περιγραμμάτων. Β Η παραγόμενη δυαδική εικόνα δείκτης «Β» μετά την εφαρμογή μορφολογικών τεχνικών επεξεργασίας εικόνας... Εικόνα 6.11 : Α. Η αρχική δυαδική εικόνα δείκτης «Α». Β. Η παραγόμενη δυαδική εικόνα κεντρώων «Γ» μετά την εφαρμογή μορφολογικών τεχνικών επεξεργασίας εικόνας στην δυαδική εικόνα «Α»... Εικόνα 6.12 : Η παραγόμενη εικόνα, ανίχνευσης και παρουσίασης του κάθε κυτταρικού πυρήνα που αναγνωρίστηκε ο καρκίνος. Παρουσιάζονται με πράσινο χρώμα στην μονοχρωματικά τροποποιημένη ιστοπαθολογική εικόνα. Για την παραγωγή της εισάγονται στην συνάρτηση «imoverlay» οι δυαδικές εικόνες δείκτης «Β», «Γ» και οι μονοχρωματική εικόνα της ιστοπαθολογικής εικόνας... Εικόνα 6.13 : Στην εικόνα «Α» βλέπουμε την μονοχρωματική εικόνα μετά την εφαρμογή της τεχνικής Περιορισμένη αντίθεση προσαρμοσμένης εξισορρόπηση ιστογράμματος. Στην εικόνα «Β» βλέπουμε την συμπληρωματική μονοχρωματική εικόνα της εικόνας «Α».. Εικόνα 6.14 : Α. Η Τελική δυαδική εικόνα δείκτης ή αλλιώς εικόνων «Δ» μετά τον συνδυασμό των δυαδικών εικόνων «Β» περιγραμμάτων και δυαδικής εικόνας «Γ» κεντρώων... σελ.96 σελ.98 σελ.100 σελ.101 σελ.103 σελ.104 σελ.106 σελ.107 Σελ. 21

22 Εικόνα 6.15 : Η παραγόμενη εικόνα «μοτίβο διαχωρισμού» που δημιουργήθηκε με την συνάρτηση «imimposemin». Εικόνες εισαγωγής στην συνάρτηση η τελική δυαδική εικόνα δείκτης «Δ» περιγραμμάτων και το συμπλήρωμα της μονοχρωματικής εικόνας. Η εικόνα, μοτίβο διαχωρισμού έχει συγκεκριμένα χαρακτηριστικά. Τα κέντρα των κυτταρικών πυρήνων είναι έντονα με την τιμή μηδέν και στο περίγραμμα που τους οριοθετεί είναι οι τιμές τον αντίστοιχων εικονοστοιχείων της συμπληρωματικής μονοχρωματικής εικόνας Εικόνα 6.16 : Παραδείγματα πιθανού διαχωρισμού περιοχών που εντοπίστηκαν να περιέχουν κυτταρικούς πυρήνες με την χρήση της συνάρτησης «watershed» και της ψηφιακής εικόνας «μοτίβο διαχωρισμού». Συγκρίνουμε τα αποτελέσματα από την εισαγωγή της δυαδικής εικόνας της περιοχής ενδιαφέροντος ή του μοτίβου διαχωρισμού της περιοχής ενδιαφέροντος.... Εικόνα 6.17 :Τελικά αποτελέσματα σε όλη την εικόνα μετά την εφαρμογή του διαχωρισμού επιπέδου Ι. Σε κάθε παράδειγμα αρχικά βλέπουμε την αρχική εικόνα ιστοπαθολογίας και στην συνέχεια την παραγόμενη εικόνα πρότυπου διαχωρισμού επιπέδου Ι. Στην παραγόμενη εικόνα οι υποψήφιοι κυτταρικοί πυρήνες χρωματίζονται με διαφορετικά επίπεδα φωτεινότητας του χρωματικού μοντέλου «RGB». Εικόνα 6.18 :Παραδείγματα οριοθέτησης, βελτίωσης και διαχωρισμού κυτταρικών πυρήνων επιπέδου ΙΙ παραθύρων. Στην πρώτη στήλη βλέπουμε τα παράθυρα που οριοθετούνται οι κυτταρικοί πυρήνες σε μονοχρωματική εικόνα, στην στήλη δύο τα παραγόμενα αποτελέσματα σε παράθυρα δυαδικών εικόνων μετά την επεξεργασία επιπέδου Ι που τους οριοθετεί, στην τρίτη στήλη την βελτιωμένη δυαδική εικόνα, στην τέταρτη στήλη της 5 κορυφαίες ισοϋψείς καμπύλες τους και τέλος στην πέμπτη στήλη των πιθανό διαχωρισμό τους... Εικόνα 6.19 : Παραδείγματα εύρεσης βέλτιστου πιθανού πολλαπλού διαχωρισμού από περιοχές που οριοθετούν πυρήνα με έκταση μεγαλύτερη από 500 εικονοστοιχεία. Στην πρώτη στήλη βλέπουμε τα παράθυρα που οριοθετούνται οι κυτταρικοί πυρήνες σε μονοχρωματική εικόνα, στην στήλη δύο τα παραγόμενα αποτελέσματα σε παράθυρα δυαδικών εικόνων μετά την επεξεργασία επιπέδου ΙΙ και στην τρίτη στήλη την παραγόμενη δυαδική εικόνα από το επίπεδο ΙΙΙ... Εικόνα 6.20 :Παράδειγμα εικόνας με θόρυβο από αντικείμενα που φέρουν κυκλικό σχήμα και γκρίζο χρώμα αλλά δεν αποτελούν καρκινικό πυρήνα... Εικόνα 6.21 : Παράδειγμα εικόνας με πυρήνες που έχουν ασαφή χρωματισμό. Αφαιρούνται από τους αναγνωρισμένους κυτταρικούς πυρήνες με την παράμετρο καταλληλότητας «ελάχιστη μέση τιμή των χρωματικών τόνων γκρι»... σελ.108 σελ.110 σελ.111 σελ.119 σελ.121 σελ.122 σελ.123 Σελ. 22

23 Εικόνα 6.22 : Παράδειγμα με παράθυρα από δυαδική εικόνα και τροποποιημένη μονοχρωματική εικόνα στις οποίες οριοθετείται καρκινικός πυρήνας... σελ.124 Εικόνα πρώτου παραδείγματος επεξεργασίας. Η έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από το οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας... Εικόνα 6.24 : Η παραγόμενη εικόνα του πρώτου παραδείγματος κατά το στάδιο της ανίχνευσης των κυτταρικών πυρήνων... Εικόνα 6.25 : Αποτελέσματα εικόνας πρώτου παραδείγματος κατά το στάδιο της ψηφιακής χαρτογράφησης των κυτταρικών πυρήνων... Εικόνα 6.26 : Αποτελέσματα εικόνας πρώτου παραδείγματος. Η τελική γενική δυαδική εικόνα δείκτης μετά την επεξεργασία επιπέδου Ι, ΙΙ και ΙΙΙ... Εικόνα 6.27 : Αποτελέσματα εικόνας πρώτου παραδείγματος. Η έγχρωμη τροποποιημένη εικόνα που περιλαμβάνει μόνο την έγχρωμη πληροφορία των αναγνωρισμένων κυτταρικών πυρήνων σε μαύρο φόντο... Εικόνα 6.28 : Εικόνα δεύτερου παραδείγματος επεξεργασίας. Η έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 20 φακού και κάμερας... Εικόνα 6.29 : Αποτελέσματα εικόνας δευτέρου παραδείγματος κατά το στάδιο της ανίχνευσης των κυτταρικών πυρήνων... Εικόνα 6.30 : Αποτελέσματα εικόνας δευτέρου παραδείγματος κατά το στάδιο της ψηφιακής χαρτογράφησης των κυτταρικών πυρήνων... Εικόνα 6.31 : Αποτελέσματα εικόνας δευτέρου παραδείγματος. Η τελική γενική δυαδική εικόνα δείκτης μετά την επεξεργασία επιπέδου Ι, ΙΙ και ΙΙΙ... Εικόνα 6.32 : Αποτελέσματα εικόνας δευτέρου παραδείγματος. Η έγχρωμη τροποποιημένη εικόνα που περιλαμβάνει μόνο την έγχρωμη πληροφορία των αναγνωρισμένων κυτταρικών πυρήνων σε μαύρο φόντο... Εικόνα 6.33 : Οπτικό αποτέλεσμα από ανάλυση ψηφιακής ιατρικής εικόνας που έγινε λείψει με 20 φακό... σελ.126 σελ.126 σελ.127 σελ.127 σελ.128 σελ.128 σελ.129 σελ.129 σελ.130 σελ.130 σελ.131 Σελ. 23

24 Σελ. 24

25 ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ Πίνακας 1.1 : Στατιστικά αποτελέσματα για όλους τους καρκίνους στο γυναικείο φύλο Πίνακας 1.2 : Σταδιοποίηση παράγοντα «Τ», έκτασης όγκου. Πίνακας 1.3 : Σταδιοποίηση παράγοντα «N» Εξάπλωσει του καρκίνου στους λεμφαδένες... Πίνακας 1.4 : Σταδιοποίηση παράγοντα «Μ» Εξάπλωσει σε απομακρυσμένες περιοχές Πίνακας 1.5 : Κατηγοριοποίηση Καρκίνου με βάση τους παραπάνω παράγοντες..... Πίνακας 3.1 : Αντιστοιχία αριθμού bits με αριθμό χρωμάτων... Πίνακας 3.2 : Διάφοροι τύποι ψηφιακών εικόνων και τα χαρακτηριστικά τους... Πίνακας 5.1 :Στατιστικά στοιχεία του δείγματος που χρησιμοποιήθηκε για την υλοποίηση του συστήματος λήψης, επεξεργασίας και ανάλυσης εικόνων μικροσκοπίας για την ταξινόμησή τους στα 3α επίπεδα του ενδομητριακού καρκίνου... Πίνακας 7.1 :Αναπαράσταση ταυτοποίησης κάθε εικονοστοιχείου του πίνακα συνεμφάνισης με πιθανό συνδυασμό #(i,j) μεταξύ δύο επιπέδων φωτεινότητας... Πίνακας 8.1 : Πίνακας σύγχυσης για δύο κλάσεις.. Πίνακας 8.2 : Πίνακας σύγχυσης για n κλάσεις. Πίνακας 9.1 :Αποτελέσματα εξαντλητικής αναζήτησης χαρακτηριστικών «exhaustive search» στο ταξινομητή ελάχιστης απόσταση «Minimum Distance Classifier (MDC)», για το πρόβλημα ταξινόμησης προτύπων μεταξύ των τριών επιπέδων «grade» ( Ι, ΙΙ, ΙΙΙ ) του ενδομητριακού καρκίνου, κάνοντας χρήση της επαναδειγματοληπτικής μεθόδου «leave one out»... Πίνακας 9.2 :Αποτελέσματα εξαντλητικής αναζήτησης χαρακτηριστικών «exhaustive search» στο ταξινομητή «Least Squares Minimum Distance Classifier (LSMDC)», για το πρόβλημα ταξινόμησης άγνωστων προτύπων μεταξύ των τριών επιπέδων «grade» ( Ι, ΙΙ, ΙΙΙ ) του ενδομητριακού καρκίνου, κάνοντας χρήση της μεθόδου «leave one out»... Πίνακας 9.3 :Αποτελέσματα εξαντλητικής αναζήτησης χαρακτηριστικών «exhaustive search» στο ταξινομητή «k-nearest Neighbours (K-NN)», για το πρόβλημα ταξινόμησης άγνωστων προτύπων μεταξύ των τριών επιπέδων «grade» ( Ι, ΙΙ, ΙΙΙ ) του σελ.34 σελ.44 σελ.45 σελ.45 σελ.45 σελ.60 σελ.61 σελ.76 σελ.138 σελ.178 σελ.178 σελ.184 σελ.185 σελ.186 Σελ. 25

26 ενδομητριακού καρκίνου, κάνοντας χρήση της μεθόδου «leave one out»... Πίνακας 9.4 :Αποτελέσματα εξαντλητικής αναζήτησης χαρακτηριστικών «exhaustive search» στο ταξινομητή «Linear Bayes Classifier (LBC)», για το πρόβλημα ταξινόμησης άγνωστων προτύπων μεταξύ των τριών επιπέδων «grade» ( Ι, ΙΙ, ΙΙΙ ) του ενδομητριακού καρκίνου, κάνοντας χρήση της μεθόδου «leave one out»... Πίνακας 9.5 : Αποτελέσματα εξαντλητικής αναζήτησης χαρακτηριστικών «exhaustive search» στα πιθανοτικά νευρωνικά δίκτυα «Probabilistic Neural Network (PNN)», για το πρόβλημα ταξινόμησης άγνωστων προτύπων μεταξύ των τριών επιπέδων «grade» ( Ι, ΙΙ, ΙΙΙ ) του ενδομητριακού καρκίνου, κάνοντας χρήση της μεθόδου «leave one out»... Πίνακας 9.6 : Συγκεντρωτικά αποτελέσματα επιλογής καλύτερου συνδυασμού χαρακτηριστικών με εξαντλητική αναζήτηση, για κάθε αλγόριθμο ταξινόμησης, κάνοντας χρήση της μεθόδου «leave one out». Σε κάθε βέλτιστη λύση επιλογής χαρακτηριστικών, του προβλήματος ταξινόμησης για κάθε ταξινομητή, παρουσιάζεται η απόδοση του με βάση το ποσοστό ορθά ταξινομημένων προτύπων. Συγκεντρωτικά αποτελέσματα επιλογής καλύτερου συνδυασμού χαρακτηριστικών με εξαντλητική αναζήτηση, για κάθε αλγόριθμο ταξινόμησης, κάνοντας χρήση της μεθόδου «leave one out». Σε κάθε βέλτιστη λύση επιλογής χαρακτηριστικών, του προβλήματος ταξινόμησης για κάθε ταξινομητή, παρουσιάζεται η απόδοση του με βάση το ποσοστό ορθά ταξινομημένων προτύπων... Πίνακας 9.7 :Αποτελέσματα επιλογής χαρακτηριστικών με το στατιστικό τεστ «kruskal -wallis», για επίπεδο σημαντικότητας μικρότερο του 0.05, στο πρόβλημα της ταξινόμησης άγνωστων προτύπων μεταξύ των τριών επιπέδων του ενδομητριακού καρκίνου... Πίνακας 9.8 : Αποτελέσματα επιλογής χαρακτηριστικών με την έτοιμη συνάρτηση «sequentialfs»... Πίνακας 9.9 : Συγκεντρωτικά αποτελέσματα ορθής ταξινόμησης κάθε αλγόριθμου ταξινόμησης για τις δύο στατιστικές μεθόδους επιλογής υποψήφιου συνδυασμού χαρακτηριστικών. Η ταξινόμηση των προτύπων σε κάθε ταξινομητή έγινε με την επαναδειγματοληπτική μέθοδο «leave one out»... Πίνακας 9.10 :Συγκεντρωτικά αποτελέσματα παραμέτρων εκτίμησης, διαθέσιμων αλγορίθμων ταξινόμησης, με την συνάρτηση επιλογής χαρακτηριστικών «sequentialfs». Η ταξινόμηση των προτύπων σε κάθε ταξινομητή έγινε με την επαναδειγματοληπτική μέθοδο «external cross validation». Τα ποσοστά που παρουσιάζονται στο πίνακα είναι η μέση τιμή και τυπική απόκληση του αποτελέσματος, για τις 50 επαναλήψεις της εκτέλεσης της επαναδειγματοληπτικής σελ.187 σελ.188 σελ.189 σελ.189 σελ.190 σελ.191 σελ.192 Σελ. 26

27 μεθόδου... Πίνακας 9.11 :Συγκεντρωτικά αποτελέσματα παραμέτρων εκτίμησης, των αλγορίθμων ταξινόμησης, για τη στατιστική μέθοδο επιλογής συνδυασμού χαρακτηριστικών «Κruskal wallis». Η επίδοση των ταξινόμηση ελέγχθηκε με την επαναδειγματοληπτική μέθοδο «external cross validation».τα ποσοστά που παρουσιάζονται στο πίνακα είναι η μέση τιμή και τυπική απόκληση του αποτελέσματος, για τις 50 επαναλήψεις της εκτέλεσης της επαναδειγματοληπτικής μεθόδου... Πίνακας 9.12 :Συγκεντρωτικά αποτελέσματα συνδυασμού 3ων αλγορίθμων ταξινόμησης με κανόνα απόφασης πρόσθεσης, κάνοντας χρήση της επαναδειγματοληπτικής μεθόδου «external cross validation» για 10 επαναλήψεις. Κάνοντας χρήση του συνόλου εκπαίδευσης επιλέγονται τα καλύτερα διαχωρίσιμα χαρακτηριστικά και εκπαιδεύεται ο κάθε αλγόριθμος ταξινόμησης, με την μέθοδο «sequentialfs». Η απόδοση του συστήματος συνδυασμού ταξινομητών, ορίζεται με βάση το ποσοστό ορθής ταξινόμησης των άγνωστων προτύπων του συνόλου ελέγχου... Πίνακας 9.13 :Συγκεντρωτικά αποτελέσματα συνδυασμού 3ων αλγορίθμων ταξινόμησης με κανόνα απόφασης πρόσθεσης, κάνοντας χρήση της επαναδειγματοληπτικής μεθόδου «external cross validation» για 10 επαναλήψεις. Κάνοντας χρήση του συνόλου εκπαίδευσης επιλέγονται τα καλύτερα διαχωρίσιμα χαρακτηριστικά και εκπαιδεύεται ο κάθε αλγόριθμος ταξινόμησης, με την μέθοδο «krustal wallis». Η απόδοση του συστήματος συνδυασμού ταξινομητών, ορίζεται με βάση το ποσοστό ορθής ταξινόμησης των άγνωστων προτύπων του συνόλου ελέγχου... σελ.192 σελ.194 σελ.195 Σελ. 27

28 Σελ. 28

29 ΠΡΟΛΟΓΟΣ Ο Καρκίνος, αποτελεί ένα από τα σοβαρότερα προβλήματα υγείας που παρατηρούνται ανά το παγκόσμιο με μεγαλύτερη συχνότητα στις αναπτυγμένες χώρες [1, 2]. Τα στατιστικά του παγκόσμιου οργανισμού υγείας το 2008 δηλώνουν 7.6 εκατομμύρια θανάτους από καρκίνο, που αντιστοιχεί στο 13% από όλες τις αιτίες θανάτου. Ακόμη πιο ανησυχητικό είναι το γεγονός ότι το 2008 διαγνώστηκαν 12.7 εκατομμύρια άνθρωποι να πάσχουν με καρκίνο[2]. Συναφής μελέτες του οργανισμού, δείχνουν ότι ο καρκίνος αναμένετε να φθάσει τους 13.1 εκατομμύρια θανάτους το χρόνο μέχρι το 2030.[2-4]. Οι ταχύτατοι ρυθμοί ανάπτυξης της τεχνολογίας, οδήγησαν στην υλοποίηση εφαρμογών, κατηγοριοποίησης και αναγνώρισης ταυτότητας των ψηφιακών αντικειμένων, όπως η ψηφιακή εικόνα, κείμενο, ομιλία και πολλά άλλα παραδείγματα. Η μεγάλη επιτυχία, αλλά και η εξοικονόμηση χρόνο που παρουσιάστηκε με την χρήση αυτών των τεχνικών, βοήθησαν στην υιοθέτηση τέτοιο εφαρμογών στην ιατρική. Πολλά τέτοια παραδείγματα εφαρμογών, χρησιμοποιούνται στις μέρες μας, όπως η υποβοηθούμενη διάγνωση με την χρήση Η/Υ, η ανάλυση δεδομένων DNA, το τεστ μαστογραφίας, η διάγνωση μέσω ηλεκτρκαρδιογραφημάτων και πολλές άλλες εφαρμογές[5-7]. Αντικείμενο της παρούσας διπλωματικής είναι η μελέτη και ανάπτυξη ενός συστήματος λήψης, επεξεργασίας και ανάλυσης ιστοπαθολογικών εικόνων μικροσκοπίας. Βασική ιδέα της ανάπτυξης αυτού του συστήματος, είναι η υποστήριξη της διάγνωσης του ενδομητριακού καρκίνου. Εξετάζουμε το ενδεχόμενο υλοποίησης, ολοκληρωμένου συστήματος υποβοηθούμενης διάγνωσης των τριών επιπέδων του ενδομητριακού καρκίνου, κάνοντας χρήση ιστοπαθολογικών εικόνων μικροσκοπίας. Η ενσωμάτωση μια τέτοιας εφαρμογής στα εργαστήρια είναι πολύ σημαντική, αφού μέσα από την λειτουργία της, μπορεί να παρέχει ανάλυση στις ιστοπαθολογικές εικόνες μικροσκοπίας των βιοψιών της κάθε ασθενή, διευκολύνοντας την εργασία του κάθε ιστοπαθολόγου αλλά και ενισχύοντας την απόφαση της διάγνωσης του. Πολλές τεχνικές διάγνωσης που εφαρμόζονταν μέχρι σήμερα στην ιατρική βλέπουμε να εξιχρονίζονται με την χρήση των ψηφιακών εικόνων. Οι ψηφιακές εικόνες κυριάρχησαν με την ραγδαία ανάπτυξη της τεχνολογίας. Ένα τέτοιο παράδειγμα είναι παρουσίαση της κλασικής προβολής που βλέπαμε μέσα από τα μικροσκόπια σε ψηφιακές οθόνες, με την χρήση κάμερας, αλλά και η ικανότητα λήψης ψηφιακών εικόνων, στις περιοχές ενδιαφέροντος του αντικειμένου που μελετείται. Η επεξεργασία της ψηφιακής εικόνας μέσα από την πληθώρα των τεχνικών και των μεθόδων που εφαρμόζονται έχει επιφέρει πολύ μεγάλα αποτελέσματα τόσο στην βελτίωση της εικόνας οπτικά όσο και στην μεμονωμένη επεξεργασία της ανάλογα με την περιοχή ενδιαφέροντος. Το ολοκληρωμένο σύστημα υποβοηθούμενης διάγνωσης που περιγράφουμε, κατά την διάρκεια εκτέλεσης του, εντοπίζει και χρωματίζει τις περιοχές ενδιαφέροντος (κυτταρικούς πυρήνες) στις ιστοπαθολογικές εικόνες μικροσκοπίας του ενδομητριακού καρκίνου παρουσιάζοντας το αποτέλεσμα πάνω στην αρχική εικόνα. Πέρα από την ανίχνευση και προβολή των περιοχών ενδιαφέροντος στην αρχική εικόνα, με τεχνικές αναγνώρισης προτύπων[8, 9] είναι ικανό με μεγάλη αξιοπιστία να ταξινομήσει την κάθε ιστοπαθολογική εικόνα σε ένα από τα επίπεδα του ενδομητριακού καρκίνου. Η ταξινόμηση της ιστοπαθολογικής εικόνας, γίνεται με βάση τα χαρακτηριστικά που μπορούμε να εξάγουμε από Σελ. 29

30 αυτή. Οι διάφορες τεχνικές αναγνώρισης προτύπων που χρησιμοποιήθηκαν, βασίζονται στο θεωρητικό υπόβαθρο της επιστήμης της στατιστικής δίνοντας λύση σε πολλά προβλήματα[10]. Σελ. 30

31 1.1 Εισαγωγή 13 ΚΕΦΑΛΑΙΟ 1 - ΓΥΝΑΙΚΟΛΟΓΙΚΟΣ ΚΑΡΚΙΝΟΣ Ο καρκίνος, αποτελεί ένα από τα σοβαρότερα προβλήματα υγείας που παρατηρούνται παγκοσμίως με μεγαλύτερη συχνότητα στις αναπτυγμένες χώρες [1, 2]. Τα στατιστικά του παγκόσμιου οργανισμού υγείας το 2008 δηλώνουν 7.6 εκατομμύρια θανάτους από καρκίνο, που αντιστοιχεί στο 13% από όλες τις αιτίες θανάτου. Ακόμη πιο ανησυχητικό είναι το γεγονός ότι το 2008 διαγνώστηκαν 12.7 εκατομμύρια άνθρωποι να πάσχουν με καρκίνο[2]. Συναφής μελέτες του οργανισμού, δείχνουν ότι ο καρκίνος αναμένετε να φθάσει τους 13.1 εκατομμύρια θανάτους το χρόνο μέχρι το 2030.[2-4]. Στο κεφάλαιο αυτό αναφερόμαστε περιληπτικά στην ασθένεια του καρκίνου αλλά και για τα διάφορα είδη που υπάρχουν. Στην συνέχεια με μία σύντομη αναφορά περιγράφουμε την ανατομία του γυναικείου αναπαραγωγικού συστήματος, με σκοπό την ευκολότερη κατανόηση του προβλήματος του γυναικολογικού καρκίνου. Γενικότερα μπορούμε να συναντήσουμε καρκίνο σε διάφορα όργανα / ανατομικές περιοχές του γυναικολογικού συστήματος, για αυτό και τον χωρίζουμε ανάλογα με την ανατομική περιοχή που τον συναντούμε. Στην παρούσα έρευνα θα ασχοληθούμε και θα δώσουμε περισσότερη βαρύτητα στον ενδομητριακό καρκίνο. Εικόνα 1.1 : Καταγεγραμμένες νέες διαγνώσεις καρκίνου κατά το έτος 2008 ανά το παγκόσμιο.[2] Σελ. 31

32 1.2 Καρκίνος Ο καρκίνος αποτελεί μία από τις ασθένειες με την μεγαλύτερη συχνότητα στην εποχής μας, όταν ένας στους τέσσερις ανθρώπους πάσχει από καρκίνο. Σήμερα ο καρκίνος είναι η κυριότερη αιτία θανάτου στις ανεπτυγμένες χώρες μετά τα καρδιαγγειακά νοσήματα.[3] Ο καρκίνος είναι μία σύγχρονη ασθένεια, που δημιούργησε ο άνθρωπος, και φαίνεται να έχει μεγαλύτερη δράση στης περισσότερο ανεπτυγμένες χώρες Στοιχεία από έρευνες δείχνουν ότι δεν υπήρχε στον αρχαίο κόσμο αλλά είναι μία σύγχρονη αρρώστια που προκαλείται από την άνετη ζωή[11]. Ο καρκίνος ή αλλιώς «κακοήθης κυτταρογένεση» είναι μία ομάδα ασθενειών που κοινό τους χαρακτηριστικό είναι ο ανεξέλεγκτος πολλαπλασιασμός των κυττάρων από δυσλειτουργίες που προκαλούνται. Αποτελεί κυτταρική νόσο αφού προκαλείται από άναρχο και αφύσικο πολλαπλασιασμό παθολογικών κυττάρων στους ιστούς του σώματος. Τα κύτταρα αυτά είναι επιβλαβή για τον ανθρώπινο οργανισμό και τα ονομάζουμε «καρκινικά κύτταρα»[12, 13]. Τα καρκινικά κύτταρα δημιουργούνται όταν για κάποιο λόγο τα κύτταρα πάψουν να υποστηρίζουν τα στάδια του κυτταρικού κύκλου[13-15] και συγκεκριμένα την διαδικασία της απόπτωσης. Ο μηχανισμός απόπτωσης[15] με τους μηχανισμούς του, κρίνει κατά πόσο ένα κύτταρο είναι επιβλαβές. Ένα κύτταρο χαρακτηρίζεται επιβλαβές συνήθως όταν δεν επιτελεί σωστά τις λειτουργίες του, με αποτέλεσμα να αποβληθεί. Με λίγα λόγια η απόπτωση είναι μια διεργασία προγραμματισμένου κυτταρικού θανάτου. Εικόνα 1.2 : Α - κανονική διαίρεση κυττάρων, Β - καρκινική διαίρεση κυττάρων, -1- απόπτωση, -2- κατεστραμμένο κύτταρο. Κατά την διάγνωση καρκινικών ιστών, τους χωρίζουμε σε δύο μεγάλες κατηγορίες, καλοήθης και κακοήθης όγκους. Τους χωρίζουμε σε όγκους και όχι σε ιστούς για το λόγο ότι μέχρι να ανιχνευτεί η παρουσία καρκίνου στον άνθρωπο συνήθως φτάνει σε μέγεθος όγκου λόγο της αυξημένης διαίρεσης των καρκινικών κυττάρων. Τα καρκινικά κύτταρα είναι ικανά να ταξιδεύουν στον οργανισμό μέσω του αίματος ή της λέμφου. Το φαινόμενο ονομάζουμε μετάσταση και παρουσιάζεται στα τελικά στάδια, της άναρχης διαίρεσης των καρκινικών Σελ. 32

33 κυττάρων [13, 15, 16]. Μετάσταση ονομάζουμε την διαδικασία εξάπλωσης καρκίνου σε διάφορα σημεία του σώματος, με αποτέλεσμα να παρουσιάζονται νέα σημεία καρκινογένεσης / δημιουργία νέων όγκων[15]. Καλοήθης Όγκοι[13, 16] Οι καλοήθεις όγκοι δεν είναι καρκινικοί. Συνήθως σχηματίζονται από ένα φαινόμενο που ονομάζεται καλοήθης νεοπλασία λόγο κάποιου εθισμού. Σε περίπτωση τερματισμού του εθισμού σταματάει η ομαλή ανάπτυξη του όγκου παραμένοντας σε ένα σταθερό μέγεθος. Χαρακτηριστικά τους είναι ότι δεν καταστρέφουν τους περιβάλλοντες υγιείς ιστούς, δεν είναι επικίνδυνοι για τη ζωή του ατόμου και δεν κάνουν μετάσταση. Κακοήθεις Όγκοι (Νεοπλάσματα)[13, 16] Οι κακοήθεις όγκοι ή νεοπλάσματα μοιάζουν με τους καλοήθης όγκους αλλά δρουν πολύ διαφορετικά στον οργανισμό. Σχηματίζονται λόγο τις άναρχης και ανεξέλεγκτης διαίρεσης των καρκινικών κυττάρων[14]. Η κακοήθης νεοπλασία διαδικασία του άναρχου πολλαπλασιασμού των κυττάρων, εξακολουθεί να δρα, ακόμη και όταν ο αρχικός όγκος αφαιρεθεί από το σώμα, σχηματίζοντας στη θέση του ένα καινούργιο. Παράλληλα όπως έχουμε αναφέρει έχουν την δυνατότητα να ταξιδεύουν σε γειτονικούς ιστούς μολύνοντας τους και σχηματίζοντας νέους όγκους σε άλλα σημεία του σώματος. Οι κακοήθεις χαρακτηρίζονται ως καρκινώματα ή σαρκώματα ανάλογα με το είδος τους, και είναι θανατηφόροι. Σήμερα είναι γνωστά και καταγραμμένα περισσότερα από 200 είδη καρκίνου και μελετούνται από την επιστημονική κοινότητα.[17] Λόγο της μεγάλης ποικιλομορφίας του, για να μπορέσουμε να ξεχωρίζουμε τα διάφορα είδη, τα επονομάζουμε ανάλογα με την ανατομική περιοχή ή το όργανο στο οποίο έχει εμφανιστεί. Η συχνότητα δράσης του καρκίνου εξαρτάται από το είδος του ιστού που εμφανίζεται και κατατάσσεται στα επίπεδα δραστηριότητας, υψηλή ή χαμηλή κακοήθεια. Παράγοντες που φαίνεται να επηρεάζουν στην ανάπτυξη του καρκίνου σε ένα οργανισμό με βάση τα δημοσιευμένα άρθρα του παγκόσμιου οργανισμού υγείας[18] είναι: Το Κάπνισμα Η χρήση Αλκοόλ Διατροφικές συνήθειες Παχυσαρκία και υπέρταση Φυσική Άσκηση Χρόνιες λοιμώξεις από ιούς όπως HIV,HBV,HCV,HPV Περιβαλλοντικοί και επαγγελματικοί κίνδυνοι όπως έκθεση σε ακτινοβολία. Κληρονομικότητα 1.3 Γυναικολογικός Καρκίνος Γυναικολογικό καρκίνο ονομάζουμε τα διάφορα είδη καρκίνου που αναπτύσσονται στο γυναικείο φύλο και συγκεκριμένα στην περιοχή των γενετικών οργάνων. Η φύση του δεν διαφέρει πολύ από τους άλλους τύπους καρκίνου που Σελ. 33

34 αναπτύσσονται στα υπόλοιπα όργανα και έχει πανομοιότυπα χαρακτηριστικά. Στατιστικά με βάση δημοσιεύσεις του παγκόσμιου οργανισμού υγείας αλλά και μέσα από στατιστικούς πίνακες που παρέχει[19], οι γυναικολογικοί καρκίνοι είναι δεύτεροι στην κορυφή σε ότι αφορά αιτία θανάτου από καρκίνο στο γυναικείο φύλο. Καρκίνοι (Cancers) Πίνακας 1.1 : Στατιστικά αποτελέσματα για όλους τους καρκίνους στο Γυναικείο φύλο.[19] Incidence Mortality 5-year prevalence Number (%) ASR (W) Number (%) ASR (W) Number (%) Prop Στόματος (Lip, oral cavity) Ρινοφάρυγγα (Nasopharynx) Φάρυγγα (Other pharynx) Οισοφάγου (Oesophagus) Στόμαχου (Stomach) Παχέος Εντέρου (Colorectum) Συκώτι (Liver) Χοληδόχου Κύστης (Gallbladder) Παγκρέατος (Pancreas ) Λάρυγγα (Larynx) Πνεύμονα (Lung) Μελάνωμα (Melanoma of skin) Μαστού (Breast) Τράχηλου (Cervix uteri) Μήτρας (Corpus uteri) Ωοθηκών (Ovary) Νεφρού (Kidney) Ουροδόχου Κύστη ( Bladder ) Εγκέφαλος, Νευρικό Σύτημα (Brain, nervous system) Θυρεοειδούς (Thyroid) Λέμφομα Hodgkin (Hodgkin lymphoma) Λέμφομα όχι (Hodgkin Non- Hodgkin lymphoma) Μυέλωμα (Multiple myeloma) Αίματος (Leukaemia) Όλοι Καρκίνοι Σελ. 34

35 Εικόνα 1.3 : Προσαρμοσμένη εκτίμηση ανά ηλικία του ποσοστού επίπτωσης και θνησιμότητας: Καρκίνοι που βρέθηκαν σε γυναίκες.[19] Εικόνα 1.4 : Η μήτρα και οι γύρω ιστοί. Σάλπιγγες Ωοθήκες Μήτρα Τράχηλος Ωοθήκες Ενδομήτριο Μυομήτριο Κόλπος Ανατομικά και διαχωρίζουμε τους διάφορους τύπους του γυναικολογικού καρκίνου και τους χαρακτηρίζουμε με βάση την ανατομική περιοχή που αναπτύσσονται στα γυναικολογικά όργανα. Καμιά φορά στα συγγράμματα αναφέροντας τον όρο «Γυναικολογικό καρκίνο» αναφέρονται στον καρκίνο της μήτρας. Η μήτρα όμως αποτελεί όργανο του αναπαραγωγικού συστήματος της Σελ. 35

36 γυναίκας. Βρίσκεται στη πύελο και έχει σχήμα / μέγεθος με ένα μέτριου μεγέθους αχλάδι. Είναι το όργανο μέσα στο οποίο αναπτύσσεται το έμβρυο όταν μία γυναίκα μένει έγκυος. Ανατομικά την μήτρα μπορούμε να την χωρίσουμε σε πέντε περιοχές. Την κορυφή, το μέσο ύψος, το κάτω μέρος, το εσωτερικό στρώμα, και το εξωτερικό στρώμα.[20, 21]. Στο γυναικολογικό καρκίνο χωρίζουμε τα διάφορα είδη καρκίνου[20]: - Καρκίνος Ωοθηκών ( Κορυφή μήτρας) - Καρκίνος Σάλπιγγας (Κορυφή μήτρας) - Καρκίνος Τραχήλου Μήτρας (Κάτω μέρος) - Καρκίνος Κόλπου (Κάτω μέρος) - Ενδομητριακός Καρκίνος (Εσωτερικό Στρώμα, Εξωτερικό στρώμα - μυομήτριο) 1.4 Ενδομητριακός Καρκίνος Το ενδομήτριο όπως έχουμε προαναφέρει ανατομικά βρίσκεται στο εσωτερικό στρώμα της μήτρας. Ο καρκίνος του ενδομητρίου αποτελεί τον συχνότερο γυναικολογικό καρκίνο και έχει μεγαλύτερη συχνότητα εμφάνισης στο γυναικείο πληθυσμό που ζει σε αναπτυγμένες χώρες. Με βάση στατιστικές μελέτες κατατάσσεται στην πέμπτη θέση από όλα τα είδη καρκίνου που διαγνώστηκαν σε γυναίκες.[19] Όπως και στους άλλους καρκίνους και ο ενδομητριακός καρκίνος (ενδομητριακό καρκίνωμα) ανήκει σε ομάδες νοσημάτων που η αιτία εξέλιξης τους βρίσκεται σε κυτταρικό επίπεδο. Ο ενδομητριακός καρκίνος προσβάλλει το ενδομήτριο, δηλαδή τον επιθηλιακό ιστό που επενδύει το εσωτερικό της μήτρας αναπτύσσοντας κακοήθεις όγκους[21]. Στην μήτρα και γενικότερα στο ενδομήτριο μπορούν να παρουσιαστούν διάφοροι τύποι καρκίνου. Με μεγαλύτερη συχνότητα εμφάνισης παρουσιάζονται καρκίνοι οι οποίοι ξεκινάνε από το ενδομήτριο και τους ονομάζουμε ενδομητριακά καρκινώματα. Υπάρχουν όμως και περιπτώσεις ο καρκίνος να ξεκινάει από το μυομήτριο, αυτοί οι καρκίνοι ανήκουν στην κατηγορία των σαρκωμάτων[21] Καρκινώματα[21-24] Το ενδομητροειδές αδενοκαρκίνωμα είναι το πιο γνωστό είδος αδενοκαρκινώματος που αναπτύσσεται στο ενδομήτριο και αποτελεί το 80% των περιπτώσεων[22]. Οι ενδομητροειδές καρκίνοι αποτελούνται από αδενικά κύτταρα που μοιάζουν πολύ με ένα κανονικό ενδομήτριο[21]. Τους χωρίζουμε σε δύο κατηγορίες ανάλογα με τον είδος των κυττάρων του ενδομητρίου που είναι καρκινικά. Στο ενδομήτριο έχουμε δύο είδη κυττάρων τα πλακώδεις κύτταρα και τα αδενικά κύτταρα. Όταν σε ένα ασθενή και τα δύο είδη κυττάρων είναι προσβλημένα από καρκίνο τον καταχωρούμε στην κατηγορία των «αδενοκαρκινωμάτων με πλακώδη διαφοροποίηση»[25]. Εάν ένας ασθενής έχει καρκινικά αδενικά κύτταρα και πλακώδη υγιές κύτταρα τότε ο καρκίνος αυτός ανήκει στην κατηγορία των «αδενοαγκαθωμάτων»[26] Υπάρχουν και άλλοι που Σελ. 36

37 είναι πολύ συγγενικοί όπως τα «καρκινώματα εκκρίσεως», τα «κροσσωτά καρκινώματα»[27] και τα «βλεννώδεις αδενοκαρκινώματα»[28]. Εικόνα 1.5 : Α. Αναπαράσταση ενδομήτριου καρκινώματος. Β. 3 Ο Στάδιο ενδομητριοειδούς αδενοκαρκινώματος που εισβάλλει ελαφρώς περισσότερο από το ήμισυ του πάχους του μυομητρίου. Ο ενδομητροειδές καρκίνος διαχωρίζεται σε 3 α επίπεδα ανάπτυξης ανάλογα με το επίπεδο ανάπτυξης του στο ενδομήτριο. Κριτήριο διαχωρισμού από το ένα επίπεδο στο άλλο είναι η αναλογία φυσιολογικών και καρκινικών κυττάρων στο ενδομήτριο. - Επίπεδο 1 ο : το 95% των καρκινικών κυττάρων σχηματίζουν αδένες πανομοιότυπους με αυτούς των υγιών κυττάρων του ενδομητρίου. - Επίπεδο 2 ο : ένα ποσοστό 50% - 94% των καρκινικών όγκων σχηματίζουν αδένες πανομοιότυπους με αυτούς των υγιών κυττάρων του ενδομητρίου. - Επίπεδο 3 ο : λιγότερο από 50% καρκινικά αδενικά κύτταρα σχηματίζουν αδένες πανομοιότυπους με αυτούς των υγιών κυττάρων του ενδομητρίου. Οι καρκίνοι αυτού του σταδίου χαρακτηρίζονται «υψηλού κινδύνου» γιατί τείνουν να είναι πιο επιθετικοί. Επίσης τον ενδομητροειδές καρκίνο τον χωρίζουμε σε δύο τύπους (Υψηλής / χαμηλής κακοήθειας) ανάλογα με την αιτία ανάπτυξης του και τα χαρακτηριστικά του[29]. - Τύπου Ι ή Χαμηλής κακοήθειας: Ο τύπου 1 καρκίνος πιστεύεται ότι προκαλείται όταν μία γυναίκα έχει περισσότερα οιστρογόνα από το κανονικό ή υπερπλασία του ενδομητρίου.[21, 29] Συνήθως δεν είναι τόσο επιθετικός και εξαπλώνεται αργά στους άλλου ιστούς. Το επίπεδο 1 ενδομητριοειδούς καρκίνου συνήθως είναι και τύπου Ι. - Τύπου ΙΙ ή Υψηλής κακοήθειας : Ένα μικρό ποσοστό ενδομητριοειδών καρκίνων τους χαρακτηρίζουμε σε καρκίνο τύπου 2. Δεν είναι σίγουρο από πια αίτια αναπτύσσονται αλλά σίγουρα δεν οφείλεται στα οιστρογόνα. Εμφανίζεται σε πιο ηλικιωμένες γυναίκες μετά την εμμηνόπαυση αλλά και σε αφρικανό- Σελ. 37

38 αμερικάνες γυναίκες[21, 29]. Ενδομητριοειδούς καρκίνο τύπου 2 χαρακτηρίζουμε τους όγκους που κατατάσσονται σε επίπεδο 2 και 3 ενδομητριοειδούς καρκίνου, τα «ορώδη καρκινώματα»[30], τα «σαφείς καρκινώματα(cc carcinoma)»[31] και τα ελαφρός διαφοροποιημένα καρκινώματα Σαρκώματα της Μήτρας[21, 22, 24] Καρκίνος μπορεί επίσης να αναπτυχθεί στο στρώμα της μήτρας «στρωματικά σαρκώματα της μήτρας» αλλά και στο μυομήτριο «λειομυοσαρκώματα». Οι καρκίνοι που αναπτύσσονται σε αυτούς τους ιστούς ονομάζονται σαρκώματα. Παρουσιάζονται με πολύ χαμηλότερη συχνότητα από τα καρκινώματα του ενδομητρίου Παράγοντες κινδύνου στον ενδομητριακό καρκίνο[21, 23, 24, 32] Παράγοντες κινδύνου ονομάζουμε οτιδήποτε μπορεί να αλλάξει μία κατάσταση στον οργανισμό και να επιφέρει μία αρρώστια όπως ο καρκίνος. Ένας απλός παράγοντας κινδύνου για πολλές ασθένειες μπορεί να χαρακτηριστεί το κάπνισμα. Για να μπορέσουμε να κατανοήσουμε κάποιους παράγοντες κινδύνου που ίσος οφείλονται για την ανάπτυξη του καρκίνου χρειάστηκαν πολλά χρόνια έρευνας και καταγραφής των διάφορων συνηθειών που είχαν τα άτομα που έπασχαν. Συνήθως για να έχουμε την εκδήλωση μίας ασθένειας και συγκεκριμένα τον ενδομητριακό καρκίνο, πρέπει να έχουμε παρουσία συνδυασμού παραγόντων κινδύνου. Παράγοντες που φαίνεται να επηρεάζουν στην ανάπτυξη του ενδομητριακού καρκίνου είναι: Παράγοντες ορμονών Η ισορροπία των γυναικείων ορμονών επηρεάζει πάρα πολύ στην ανάπτυξη των περισσότερων ενδομητριακών καρκίνων. Πολύ ενδομητριακοί καρκίνοι επηρεάζονται από το επίπεδα των οιστρογόνων. Πιστεύεται ότι μία γυναίκα με αυξημένα οιστρογόνα έχει οκτώ φορές περισσότερο αυξημένο τον κίνδυνο να αναπτύξει ενδομητριακούς καρκίνους. Πριν την εμμηνόπαυση οι ωοθήκες είναι η μοναδική πηγή για δύο βασικές γυναικείες ορμόνες, τα οιστρογόνα και οι προγεστερόνες. Η ισορροπία μεταξύ αυτών των δύο ορμονών αλλάζει κατά την διάρκεια ενός μήνα ανάλογα με τον καταμήνιο κύκλο της κάθε γυναίκας. Η σωστή ροή των καταστάσεων του καταμήνιου κύκλου διατηρεί το ενδομήτριο υγιές. Με την παραμικρή ανωμαλία στην σωστή ροή του καταμήνιου κύκλου και στην αυξημένη παραγωγή μίας από τις δύο ορμόνες κάνει ευνοϊκές συνθήκες στην ανάπτυξη καρκίνου. Θεραπεία Οιστρογόνων: Είναι η αντιμετώπιση των συμπτωμάτων της εμμηνόπαυσης με οιστρογόνα γνωστή και ως ορμονική θεραπεία εμμηνόπαυσης. Πιστεύεται ότι με τη μονόπλευρη χρήση οιστρογόνων σε μία θεραπεία, η ασθενής έχει μεγάλη πιθανότητα να αναπτύξει ενδομητριακούς καρκίνους. Για αυτό χορηγούνται συμπληρωματικά και δώσεις προγεστερόνης. Αντισυλληπτικά Χάπια: Η χρήση αντισυλληπτικών μειώνουν την πιθανότητα ανάπτυξης ενδομητριακού καρκίνου. Ο κίνδυνος είναι χαμηλότερος στις γυναίκες που παίρνουν Σελ. 38

39 αντισυλληπτικά για μεγάλο χρονικό διάστημα και η προστασία συνεχίζεται τα επόμενα 10 χρόνια μετά την εμμηνόπαυση μίας γυναίκας. Συνολικός αριθμός εμμηνορροϊκών κύκλων: Η πιθανότητα εμφάνισης ενδομητριακού καρκίνου αυξάνεται όταν μία γυναίκα έχει περισσότερους εμμηνορροϊκούς κύκλους από το φυσιολογικό. Εγκυμοσύνη: Κατά την διάρκεια της εγκυμοσύνης οι γυναίκες παράγουν περισσότερη προγεστερόνη. Άρα μία γυναίκα που έχει εγκυμονήσει αρκετές φορές στην ζωή της προστατεύεται με φυσικό τρόπο από τον ενδομητριακό καρκίνο. Παχυσαρκία: Στις γυναίκες τα περισσότερα οιστρογόνα παράγονται από τις ωοθήκες, αλλά ο λιπώδεις ιστός μπορεί να μετατρέψει κάποιες άλλες ορμόνες σε οιστρογόνα με αποτέλεσμα να αυξηθεί ο κίνδυνος εμφάνισης ενδομητριακού καρκίνου. Φαρμακευτικές αγωγές όπως ταμοξιφαίνη: Η ταμοξιφαίνη είναι μία φαρμακευτική ουσία που δίνουμε για την καταπολέμηση του καρκίνου του μαστού. Το πρόβλημα όμως είναι ότι η ταμοξιφαίνη δρα στα μαστικά κύτταρα ως αντι-οιστρογόνο και στα υπόλοιπα κύτταρα ως οιστρογόνο με αποτέλεσμα να αυξηθεί ο κίνδυνος εμφάνισης ενδομητριακού καρκίνου. Όγκοι των ωοθηκών: Ορισμένου τύπου όγκοι ωοθηκών συχνά παράγουν οιστρογόνα. Τα οιστρογόνα όμως που απελευθερώνονται από αυτούς του όγκους δεν ελέγχονται από το σύστημα ανατροφοδότησης του εκάστοτε οργανισμού και τις ανάγκες του με αποτέλεσμα να έχουμε περισσότερες ποσότητες οιστρογόνων, άρα και αυξημένο το κίνδυνο εκδήλωσης του ενδομητριακού καρκίνου. Σύνδρομο πολυκιστικών ωοθηκών: Οι γυναίκες με πολυκιστικές ωοθήκες έχουν μη φυσιολογικά επίπεδα ορμονών, και συγκεκριμένα αυξημένα επίπεδα σε ανδρογόνα( ανδρικές ορμόνες) και οιστρογόνα. Τα αυξημένα επίπεδα οιστρογόνων και πάλι οφείλονται στον αυξημένο κίνδυνο εμφάνισης ενδομητριακού καρκίνου. Χρήση ενδομήτριας συσκευής αντισύλληψης Οι γυναίκες που χρησιμοποιούν ενδομήτρια συσκευή (IUD) αντισύλληψης φαίνεται να έχουν μειωμένο το κίνδυνο ανάπτυξης ενδομητριακού καρκίνου. Οι ερευνητές δεν έχουν μελετήσει ακόμη αν αυτά τα νέα είδη συσκευών αντισύλληψης που απελευθερώνουν προγεστερόνη έχουν επίδραση στην μείωση του ενδομητριακού καρκίνου. Ωστόσο αυτές οι συσκευές χρησιμοποιούνται για την θεραπεία αρχικών σταδίων ενδομητριακού καρκίνου. Ηλικία Η ηλικία είναι ένας από τους σημαντικούς παράγοντες που φαίνεται να επηρεάζει την ανάπτυξη ενδομητριοειδούς καρκίνου και μάλιστα αυξάνεται όσο το άτομο γίνεται μεγαλύτερο σε ηλικία. Σελ. 39

40 Διατροφή και Άσκηση Η υψηλή σε λιπαρά διατροφή αυξάνει το παράγοντα εμφάνισης διάφορων ειδών καρκίνων όπως και του ενδομητριακού καρκίνου. Επειδή τα πλούσια σε λιπαρά φαγητά είναι πλούσια σε θερμίδες, τα άτομα που έχουν μια τέτοια διατροφή πολύ συχνά είναι παχύσαρκα. Η παχυσαρκία από μόνη της αποτελεί παράγοντα για εμφάνιση ενδομητριακού καρκίνου. Επίσης οι επιστήμονες πιστεύουν ότι τα πλούσια σε λιπαρά τρόφιμα δρουν άμεσα στον μεταβολισμό των οιστρογόνων με αποτέλεσμα να αυξάνεται ο παράγοντας εμφάνισής ενδομητριακού καρκίνου. Η φυσική άσκηση του ατόμου επίσης προστατεύει τα άτομα από τον ενδομητριακό καρκίνο με βάση δημοσιευμένες μελέτες που έχουν διεξαχθεί. Διαβήτης Ο ενδομητριακός καρκίνος είναι τέσσερις φορές πιο συχνός σε άτομα που πάσχουν από διαβήτη. Ο διαβήτης παρουσιάζεται επίσης συχνά σε παχύσαρκα άτομα που η παχυσαρκία από μόνη της αποτελεί παράγοντα. Οικογενειακό Ιστορικό Ο ενδομητριακό καρκίνος τείνει να εμφανίζεται σε συγκεκριμένες οικογένειες. Αυτό οφείλεται σε γονίδια που κληρονομούμε από το γενεαλογικό δέντρο μας. Πολλά γονίδια φαίνεται να σχετίζονται με τον καρκίνο του ενδομητρίου μεταξύ αυτών MLH1, MLH3, MSH6, TGBR2.PMS1, PMS2. Αποτέλεσμα της ύπαρξης κάποιων από τα προαναφερθέντα γονίδια δεν είναι μόνο ο ενδομητριακός καρκίνος αλλά και το σύνδρομο «HNPCC» Καρκίνος μαστού ή ωοθηκών Γυναίκες οι οποίες έχουν καρκίνο του μαστού ή καρκίνο των ωοθηκών έχουν αυξημένο το κίνδυνο να αναπτύξουν ενδομητριακό καρκίνο. Ο λόγος αυτός είναι γιατί έχουν κοινούς παράγοντες ανάπτυξης με τον ενδομητριακό καρκίνο στο γυναικείο οργανισμό. Προηγούμενη θεραπεία πυέλου με Ακτινοβολία. Η έκθεση σε ακτινοβολία γενικότερα όλων των ιστών έχει ως αποτέλεσμα να αυξάνει τον κίνδυνο ανάπτυξης καρκίνου, λόγω ανεπανόρθωτης ζημίας στο DNA των κυττάρων. Υπερπλασία ενδομητρίου Η υπερπλασία του ενδομητρίου είναι μία κατάσταση αύξησης της μάζας του ενδομήτριου. Μία ήπια υπερπλασία έχει ένα πολύ μικρό κίνδυνο να γίνουν καρκινικά. Μία άτυπη υπερπλασία έχει περισσότερες πιθανότητες να αναπτυχθεί σε ενδομητριακό καρκίνο. Ένα 80% των περιπτώσεων της άτυπης υπερπλασίας έχει καταλήξει σε καρκίνο Συμπτώματα και σημάδια εμφάνισης ενδομητριακού καρκίνου[21, 23, 24, 32, 33] Όπως είναι γνωστό σε κάθε ασθένεια κατά την διάρκεια της εκδήλωσης της, οι ασθενείς παρατηρούν διάφορα ασυνήθιστα συμπτώματα σε σχέση με ένα υγιές οργανισμό. Έτσι και στον ενδομητροειδές καρκίνο έχουμε κάποια συγκεκριμένα συμπτώματα που υποδηλώνουν την ύπαρξη του. Σελ. 40

41 Ένα από τα πιο χαρακτηριστικά συμπτώματα του ενδομητροειδές καρκίνου είναι οι ασυνήθιστες αιμορραγίες, κηλίδες αίματος ή και μη ύπαρξη τους κατά την διάρκεια του εμμηνορροϊκού κύκλου σε μια γυναίκα. Ένα 90% των ασθενών που διαγνώστηκαν με ενδομητριακό καρκίνο είχαν ανώμαλη κολπική αιμορραγία. Ανώμαλη κολπική ανωμαλία ονομάζουμε την μεταβολή της συχνότητας των έμμηνων ρήσεων, την ύπαρξη αιμορραγίας σε άκυρα χρονικά διαστήματα κατά την διάρκεια του εμμηνορροϊκού κύκλου ή μετά την εμμηνόπαυση. Η απώλεια βάρους σε συνδυασμό με πυελικό πόνο ή αίσθηση μάζας στα γενετικά όργανα μπορεί επίσης να αποτελεί σημάδι εμφάνισης ενδομητριακού καρκίνου. Αυτά τα συμπτώματα είναι συχνά σε προχωρημένα στάδια του καρκίνου. Άτομα με αυξημένους παράγοντες εμφάνισης του ενδομητριακού καρκίνου πρέπει να έρθουν σε επαφή με εξειδικευμένους γιατρούς ανάλογα με την περίπτωση και να εκμηδενίσουν το κάθε κίνδυνο. Η συστηματική ανά τακτά προκαθορισμένα διαστήματα σε γυναικολόγο επιβάλετε σε περίπτωσης εμφάνισης ενδομητριακού καρκίνου για να γίνει άμεση αντιμετώπιση. Ο γιατρός οφείλει να συλλέξει δείγμα από τον ενδομητριακό ιστό και να το μελετήσει στο εργαστήριο Τρόποι διάγνωσης ενδομητριακού καρκίνου[21, 23, 24, 32-34] Όπως έχουμε αναφέρει ο πιο κοινός τρόπος διάγνωσης του ενδομητριακού καρκίνου είναι να συλλέξουμε δείγμα από τον ενδομητριακό ιστό με διάφορες τεχνικές και στην συνέχεια να το αναλύσουμε στο μικροσκόπιο. Οι διάφορες τεχνικές που χρησιμοποιούνται ευρέως από του γυναικολόγους είναι: Βιοψία ενδομητρίου Είναι ο πιο κοινός έλεγχος για τον ενδομητριακό καρκίνο και είναι πολύ αξιόπιστος για γυναίκες που βρίσκονται σε εμμηνόπαυσης. Σε αυτή την διαδικασία ένα πολύ λεπτός και εύκαμπτος σωλήνας εισέρχεται στο εσωτερικό της μήτρας μέσω του τραχήλου. Με την μέθοδο της απορρόφησης ένα μικρό κομμάτι από τους ενδομητριακούς ιστούς αφαιρείται και μεταφέρετε μέσω του σωλήνα έξω από την μήτρα. Η δυσφορία που προκαλείται στον ασθενή είναι μέτρια και για αυτό πριν την διαδικασία χορηγείται τοπικό αναισθητικό στην περιοχή της επέμβασης. Υστεροσκόπηση Κατά την διαδικασία της υστεροσκόπησης, οι γιατροί εισάγουν ένα μικρό λεπτό τηλεσκόπιο στη μήτρα του ασθενή μέσω του τραχήλου. Για καλύτερη θέα των εσωτερικών τοιχωμάτων την μήτρας, η μήτρα αρχικά ξεπλένεται με αλατόνερο. Έτσι οι γιατροί έχουν την ικανότητα να δουν μη φυσιολογικές κοιλότητες στα εσωτερικά τοιχώματα της μήτρας όπως καρκίνους ή πολύποδες. Διαστολή και απόξεση Σε περίπτωση που με την βιοψία ενδομητρίου δεν παρθεί ικανοποιητική ποσότητα ιστού ή η βιοψία δείχνει καρκίνο και τα αποτελέσματα είναι αβέβαια, τότε εκτελείται η διαδικασία διαστολής και απόξεσης. Σε αυτή την διαδικασία ένα ειδικό εργαλείο διευρύνει το άνοιγμα του τραχήλου της μήτρας ούτως ώστε ένα άλλο μηχάνημα να εισέρθει στο εσωτερικό της μήτρας και να μαζέψει ιστούς Σελ. 41

42 ξύνοντας το ενδομήτριο. Αυτό γίνεται με η χωρίς υστεροσκόπηση. Η διαδικασία αυτή αρκεί περίπου μία ώρα και επιβάλετε τοπική αναισθησία Μέσα διάγνωσης ενδομητριακού καρκίνου[21, 23, 32, 33] Όταν ό γυναικολόγος συλλέξει το κατάλληλο δείγμα και ποσότητα ιστών από το ενδομήτριο γίνεται έλεγχος των ιστών, για να διαπιστωθεί η ύπαρξη καρκίνου. Στις περιπτώσεις ύπαρξής του, τότε χαρακτηρίζεται ανάλογα με το στάδιο ανάπτυξης του και το τύπο του. Για την αντιμετώπιση του, με διάφορες μεθόδους πρέπει να προσδιορίσουμε την περιοχή που έχει αναπτυχθεί ο καρκίνος στο ενδομήτριο, χαρτογραφώντας τις περιοχές που εμφανίζεται στην μήτρα. Σήμερα με την εξέλιξη της τεχνολογίας έχουμε αναπτύξει διάφορα ιατρικά μηχανήματα μέσα από τα οποία παράγονται διαφόρων τύπων ιατρικές εικόνες. Υπερηχογράφημα Το υπερηχογράφημα χρησιμοποιεί ηχητικά κύματα για να διατυπώσει διάφορα μέρη του ανθρώπινου σώματος. Με το υπερηχογράφημα εισάγουμε ένα πομπό/δέκτη σε σχήμα καθετήρα στο εσωτερικό της μήτρας. Έτσι τα ηχητικά κύματα αναπαριστούν σε εικόνα την μήτρα και τα υπόλοιπα πυελικά όργανα. Αυτές οι εικόνες είναι χρήσιμες γιατί μπορούν να μα αναδείξουν τις περιοχές που το ενδομήτριο είναι παχύτερο από το κανονικό και μπορεί να κρύβει καρκίνο. Επίσης βοηθά στην ανίχνευση καρκίνου ο οποίος αναπτύσσεται πάνω στο μυομήτριο της μήτρας. Αξονική Τομογραφία (CT) Είναι μία διαδικασία που με την χρήση της ακτινοβολίας και διαφόρων μαθηματικών μοντέλων, μπορούμε να αναπαριστούμε εικόνες που αντιπροσωπεύουν οριζόντιες λεπτές τομές (φέτες) του ανθρώπινου σώματος. Συνδυάζοντας αυτές τις τομές με μαθηματικά μοντέλα μπορούμε να έχουμε μια τρισδιάστατη αναπαράσταση όλου του ανθρώπινου σώματος, συμπεριλαμβανομένου και των εσωτερικών δομών, ιστών, οστών και οργάνων. Για την εκτέλεση αξονικής τομογραφίας χορηγείται συγκεκριμένη ποσότητα σκιαγραφικού όπου δημιουργεί μεγαλύτερη αντίθεση στους όγκους από τους ιστούς στις εικόνες. Η αξονική τομογραφία δεν χρησιμοποιείται για να διαγνώσουμε τον ενδομητριακό καρκίνο αλλά για να δούμε το ποσοστό εξάπλωσης του σε άλλα όργανα ή σε άλλες περιπτώσεις μετά από θεραπεία το ποσοστό καταπολέμησης του. Μαγνητική Τομογραφία (MRI) Είναι μία διαδικασία, όπου προσανατολίζουμε τα μόρια του οργανισμού με βάση ισχυρά μαγνητικά πεδία που δημιουργούνται. Οι λεπτές τομές που αναπαριστούμε του ανθρώπινου σώματος δημιουργούνται από τις ενέργειες που δημιουργούνται από το προσανατολισμό και τον αποπροσανατολισμό των μορίων του οργανισμού σε σχέση με το παλμικό μαγνητικό πεδίο που τα εκθέτουμε. Οι μαυρόασπρες εικόνες που δημιουργούνται έχουν μεγάλη ανάλυση και διατυπώνουν με μεγάλη ευκρίνεια τους διάφορους ιστούς, όργανα, δομές στις διάφορες αποχρώσεις του γκρι. Πολύ γιατροί χρησιμοποιούν τις εικόνες του μαγνητικού τομογράφου για να δουν πόσο βαθιά έχει εξαπλωθεί ο ενδομητριακός καρκίνος στο σώμα της μήτρας. Σελ. 42

43 Τομογραφία εκπομπής ποζιτρονίων (PET) Σε αυτή την διαδικασία δίνεται ραδιενεργή γλυκόζη στον ασθενή για να ανιχνευτούν καρκινικά κύτταρα. Για τον λόγο ότι οι καρκίνοι κάνουν χρήση της γλυκόζης σε περισσότερα επίπεδα από τους φυσιολογικούς ιστούς, η ραδιενέργεια συγκεντρώνεται όπου υπάρχει καρκίνος. Ένας σαρωτής μπορεί να ανιχνεύσει τις πηγές εκπομπής ραδιενέργειας και να τα αναπαραστήσει σε μία εικόνα. Δυστυχώς λόγο του κόστους η τομογραφία εκπομπής ποζιτρονίων δεν διεξάγεται συχνά για την ανίχνευση ενδομητριακού καρκίνου και η διάγνωση αυτή βρίσκεται υπό μελέτη. Συμπληρωματικοί έλεγχοι για την διάγνωση του ενδομητροειδές καρκίνου πέρα από την βιοψία και την εικονική αναπαράσταση των ιστών του ενδομητρίου είναι και ο αιματολογικός έλεγχος σε διάφορες παραμέτρους. Με μία γενική εξέταση αίματος μπορούμε να δούμε τις ποσότητες των διαφόρων κυττάρων του αίματος όπως τα ερυθρά αιμοσφαίρια τα λευκά αιμοσφαίρια και τα αιμοπετάλια. Σε μεγάλες απώλειες αίματος από την μήτρα οι γυναίκες συνήθως έχουν πεσμένα ερυθρά αιμοσφαίρια. Επίσης η εξέταση για καρκινικά αντιγόνα 125 στο αίμα, είναι μια εξέταση που δείχνει αν έχουμε καρκινικά αντιγόνα στο αίμα του ασθενή. Αυτά απελευθερώνονται από πολλά είδη καρκίνων άλλα όχι από όλα τα είδη ενδομητριακών καρκίνων. Σε περίπτωση ασθενή με ενδομητριακό καρκίνο και πολύ ψηλά ποσοστά καρκινικών αντιγόνων 125 υποδηλώνει την εξάπλωση του πέρα από την μήτρα. Μέσα από την παρακολούθηση των καρκινικών αντιγόνων οι γιατροί μπορούν να δουν πόσο καλά η θεραπεία που εφαρμόζουν λειτουργεί Κατηγοριοποίηση Ενδομητριακού καρκίνου[21, 23, 35] Η κατηγοριοποίηση γενικότερα είναι μία διαδικασία όπου ανάλογα με τα χαρακτηριστικά και τις πληροφορίες που συλλέγουμε για κάθε δείγμα, το ομαδοποιούμε σε συγκεκριμένη κατηγορία καρκίνου. Η σωστή διάγνωση του είδους και της κατηγορίας του καρκίνου, έχει ως αποτέλεσμα την καλύτερη αντιμετώπιση του. Για κάθε κατηγορία καρκίνου εφαρμόζεται διαφορετικός τρόπος αντιμετώπισης με βάση έρευνες που έγιναν στο παρελθόν. Σήμερα επικρατούν δύο διεθνή πρωτόκολλα κατηγοριοποίησης με βάση τα χαρακτηριστικά γνωρίσματα των περιπτώσεων του καρκίνου. Έχουν δημιουργηθεί από τους οργανισμούς, Διεθνής Ομοσπονδία Γυναικολογίας και Μαιευτικής «FIGO»[35] και την Αμερικάνικη επιτροπή για το καρκίνο «AJCC» ([21]. Τα δύο αυτά πρωτόκολλα ταξινομούν τον καρκίνο με βάση 3 παράγοντες: - «Τ» Έκταση του όγκου. - «N» Εξάπλωση του καρκίνου στους λεμφαδένες. - «Μ» Εξάπλωση σε απομακρυσμένες περιοχές. Η μοναδική διαφορά των δύο πρωτοκόλλων ταξινόμησης του καρκίνου είναι ότι το «FIGO» έχει 3 ης καταστάσεις ταξινόμησης σε σχέση με το «AJCC» που συμπεριλαμβάνει και την κατάσταση «0». Η κατηγοριοποίηση του ενδομητριακού καρκίνου βασίζεται με βάση τα αποτελέσματα των ιστών που αφαιρούνται από το ενδομήτριο. Συμπληρωματικές εξετάσεις είναι το Σελ. 43

44 υπερηχογράφημα, ο αξονικός τομογράφος και ο μαγνητικός τομογράφος ούτως ώστε να ανιχνευτούν το μέγεθος το όγκων η περιοχή που βρίσκονται και πιθανές μεταστάσεις. Έτσι διευκολύνεται το έργο των γιατρών μαζεύοντας περισσότερες πληροφορίες σε περίπτωση μίας πιθανής εγχείρηση ή άλλης θεραπείας. Πίνακας 1.2 : Σταδιοποίηση παράγοντα «Τ», έκτασης όγκου. T0: Δεν υπάρχουν σημάδια ύπαρξης όγκων στην μήτρα. Tis: Προ-διηθητικός καρκίνος. Τα καρκινικά κύτταρα βρίσκονται μόνο σε επιφανειακά στρώματα των κυττάρων του ενδομητρίου χωρίς να αυξάνεται μέσα στα πιο βαθιά στρώματα. T1: Ο καρκίνος υπάρχει στο σώμα της μήτρας. Μπορεί επίσης να υπάρχει στους αδένες της μήτρας αλλά δεν υπάρχει στο συνδετικό ιστό του τραχήλου. - T1a: Ο καρκίνος είναι στο ενδομήτριο και έχει εξαπλωθεί στο ενδομήτριο και λιγότερο στο μυομήτριο. - T1b: Ο καρκίνος είναι στο ενδομήτριο και στο μυομήτριο T2: Ο καρκίνος εξαπλώθηκε από το ενδομήτριο και μυομήτριο (σώμα της μήτρας) στο συνδετικό ιστό του τράχηλου (στρώμα τράχηλου). Δεν έχει εξαπλωθεί έξω από την μήτρα T3: Ο καρκίνος έχει εξαπλωθεί έξω από την μήτρα αλλά δεν έχει εξαπλωθεί στο εσωτερικό τοίχωμα του ορθού και της ουροδόχου κύστης. - T3a: Ο καρκίνος έχει εξαπλωθεί στην εξωτερική επιφάνεια της μήτρας και στις σάλπιγγες / ωοθήκες. - T3b: Ο καρκίνος έχει εξαπλωθεί στο κόλπο ή στους ιστούς γύρω από τη μήτρα. T4: Ο καρκίνος έχει εξαπλωθεί στο εσωτερικό τοίχωμα της ουροδόχου κύστης και του ορθού Εικόνα 1.6 : Στάδιο Ι ενδομητριοειδούς καρκίνου Η ταξινόμηση του καρκίνου σε μία κατηγορία με βάση τα δύο πρωτόκολλα επηρεάζεται από το πόσο μακριά έχει εξαπλωθεί ο καρκίνος. Στον καρκίνο του Σελ. 44

45 ενδομητρίου, η εξάπλωση μπορεί να επεκταθεί στον τράχηλο και στα υπόλοιπα όργανα της μήτρας. Επίσης μπορεί να εξαπλωθεί και περιφερειακά σε κοντινούς λεμφαδένες. Έτσι ο καρκίνος κάνει μετάσταση στα υπόλοιπα όργανα του σώματος. Πίνακας 1.3 : Σταδιοποίηση παράγοντα «N» Εξάπλωσει του καρκίνου στους λεμφαδένες. NX: Η εξάπλωση στους γειτονικούς λεμφαδένες δεν μπορεί να ανιχνευτεί N0: Δεν υπάρχει εξάπλωση στους γειτονικούς λεμφαδένες. N1: Ο καρκίνος έχει εξαπλωθεί στους πυελικούς λεμφαδένες N2: Ο καρκίνος έχει εξαπλωθεί στους περι-αορτικούς λεμφαδένες Πίνακας 1.4 : Σταδιοποίηση παράγοντα «Μ» Εξάπλωσει σε απομακρυσμένες περιοχές. Μ0: Ο καρκίνος δεν έχει εξαπλωθεί σε απομακρυσμένους λεμφαδένες, όργανα και ιστούς Μ1: Ο καρκίνος έχει εξαπλωθεί σε απομακρυσμένους λεμφαδένες ή σε άλλα όργανα και ιστούς. Πίνακας 1.5 : Στάδιο Στάδιο 0 Στάδιο 1 - Στάδιο 1Α - Στάδιο 1Β Στάδιο 2 Στάδιο 3 - Στάδιο 3Α - Στάδιο 3Β - Στάδιο 3Γ1 - Στάδιο 3Γ2 Στάδιο 4 - Στάδιο 4Α - Στάδιο 4Β Κατηγοριοποίηση Καρκίνου με βάση τους παραπάνω παράγοντες. Παράγοντες Tis,N0,M0 T1,N0,M0 T1a,N0,M0 T1b,N0,M0 T2,N0,M0 T3,N0,M0 T3a,N0,M0 T3b,N0,M0 T1-T3,N1,M0 T1-T3,N2,M0 T4,NX-N2,Μ0 Tis-T4,NX-N2,Μ1 Σελ. 45

46 Εικόνα 1.7 : Στάδιο ΙΙ ενδομητριοειδούς καρκίνου. Εικόνα 1.8 : Στάδιο ΙΙΙ ενδομητριοειδούς καρκίνου. Σελ. 46

47 Εικόνα 1.9 : Στάδιο ΙV ενδομητριοειδούς καρκίνου. Σελ. 47

48 1.4.7 Αντιμετώπιση Ενδομητριακού καρκίνου[21, 24, 34] Η επιλογή τρόπου αντιμετώπισης του ενδομητριακού καρκίνου εξαρτάται από το είδος και την κατηγορία του. Επίσης τα σημαντικό ρόλο στην αντιμετώπιση παίζουν τα βασικά χαρακτηριστικά που έχουν συγκεντρωθεί, με βάση τους τρόπους διάγνωσης του. Το βασικό πλάνο αντιμετώπισης επηρεάζεται από παράγοντες όπως την ηλικία του ασθενή, την κατάσταση υγείας του, τους μελλοντικούς σκοπούς του (εγκυμοσύνη) και άλλες ατομικές καταστάσεις. Οι βασικότεροι τρόποι θεραπείας του ενδομητριακού καρκίνου είναι αφαίρεση των καρκινικών ιστών με εγχείρηση, ακτινοθεραπεία, ορμονοθεραπεία και χημειοθεραπεία. Εγχείριση ενδομητριακού καρκίνου - Υστεροτομία: Η βασική θεραπεία για την αντιμετώπιση του ενδομητριακού καρκίνου είναι η διαδικασία αφαίρεσης της μήτρας και του τραχήλου της μήτρας που γίνεται με υστεροτομία. Με την χρήση λαπαροσκόπιου ο θεράπων ιατρός μπορεί να αφαιρέσουν με ακρίβεια και ασφάλεια τους κυτταρικούς ιστούς - Σαλπιγγοωοθηκεκτομή: Είναι η διαδικασία αφαίρεσης και των σαλπίγγων και των ωοθηκών. Η διαδικασία εξάγεται παράλληλα συνήθως μετά την υστεροτομία για την αντιμετώπιση ενδομητριακού καρκίνου προχωρημένου σταδίου. - Αφαίρεση λεμφαδένων: Είναι η διαδικασία αφαίρεσης των λεμφαδένων από την πύελο και την περιοχή δίπλα από την αορτή για να ανιχνευτή αν περιέχουν καρκινικά κύτταρα που εξαπλώθηκαν από τον ενδομητριακό όγκο. Σελ. 48

49 - Πυελικά εκπλύματα: Είναι η διαδικασία πλύσης της πυελικής κοιλότητας με αλατούχο νερό. Το υγρό που μαζεύει στέλνεται στο εργαστήριο για να διαπιστωθεί κατά πόσο περιέχει καρκινικά κύτταρα. - Αφαίρεση όγκων: Είναι η διαδικασία αφαίρεσης καρκινογενών όγκων. Η αφαίρεση όγκων μπορεί να βοηθήσει στην καταπολέμηση του καρκίνου σε συνδυασμό με άλλες μεθόδους όπως ακτινοθεραπεία, και χημειοθεραπεία. Η αφαίρεση όγκων έχει παρουσιάσει μεγάλη επιτυχία στην καταπολέμηση διαφόρων ειδών καρκίνου, και μπορεί να έχει εξίσου καλά αποτελέσματα σε κάποιο είδος ενδομητριακού καρκίνου. Ακτινοθεραπεία ενδομητριακού καρκίνου Ακτινοθεραπεία ονομάζουμε την χρήση υψηλά ενεργειακά κυμάτων, όπως οι ακτίνες χ για την καταπολέμηση και καταστροφή των καρκινικών κυττάρων. Η βασική αρχή της είναι ότι λόγο της σύστασης των καρκινικών κυττάρων, απορροφούν μεγαλύτερα ποσοστά ακτινοβολίας από τα φυσιολογικά. Μετά από κάποια ποσά ακτινοβόλησης τα καρκινικά κύτταρα αποδομούνται σε γρηγορότερους ρυθμούς από τα φυσιολογικά και στο τέλος πεθαίνουν. Η ακτινοθεραπεία μπορεί να διεξαχθεί με διάφορους τρόπους όπως: - Βραχυθεραπεία: Είναι ένα είδος ακτινοθεραπείας όπου συνήθως εισάγεται στο σώμα πολύ κοντά στον όγκο ραδιενεργά υλικά. Σκοπός είναι η έκθεση του όγκου σε υψηλά ποσοστά ενέργειας ακτινοβολία. Για κολπική βραχυθεραπεία ένας κύλινδρος που περιέχει πηγή ακτινοβολίας εισάγεται εντός του κόλπου. Με την μέθοδο αυτή, η ακτινοβολία πλήττει κυρίως την επαφή του κόλπου που είναι σε επαφή με τον κύλινδρο. Έχουμε 2 ειδών συσκευές παραγωγής ακτινοβολίας, που τοποθετούνται μέσα στο σώμα του ασθενή, της χαμηλής δόσης ακτινοβολίας (LDR) και της υψηλής δόσης ακτινοβολίας (HDR). - Ακτινοθεραπεία με εξωτερική πηγή ακτινοβόλησης: Είναι ένα είδος θεραπείας που διεξάγεται προσανατολίζοντας δέσμες από ακτίνες Χ από εξωτερικές πηγές, πάνω σε καρκινικές περιοχές από διαφορετικές οπτικές γωνίες με σκοπό την ασφαλή και αποτελεσματική καταπολέμηση καρκινικών όγκων. Χημειοθεραπεία ενδομητριακού καρκίνου Η χημειοθεραπεία είναι η διαδικασία της χρήσης φαρμάκων που καταπολεμούν τον καρκίνο όπου μπορεί να είναι μέσω στόματος ή ενδοφλέβια. Τα φάρμακα εισάγονται μέσα στην κυκλοφορία του αίματος και έτσι φτάνουν σε όλο το σώμα, με αποτέλεσμα να μπορέσουμε να καταπολεμήσουμε τον καρκίνο σε περίπτωση μετάστασης πέρα από το ενδομήτριο. Ο συνδυασμός φαρμάκων και ακτινοθεραπείας συνήθως έχει καλύτερα αποτελέσματα. Ορμονοθεραπεία ενδομητριακού καρκίνου Είναι η διαδικασία μέσω της οποίας κάνουμε χορήγηση ορμονών ή ορμονοκατασταλτικών φαρμάκων για την αντιμετώπιση του καρκίνου. Αυτής της μορφής η ορμονοθεραπεία δεν είναι η ίδια διαδικασία με της ορμόνες που δίνονται για την αντιμετώπιση συμπτωμάτων της εμμηνόπαυσης. - Προγεστερόνες: Η κύρια θεραπεία με ορμόνες για τον καρκίνο του ενδομητρίου περιλαμβάνει μία ορμόνη που ονομάζεται προγεστερόνη αλλά και φάρμακα που ονομάζονται προγεστίνες. Αυτά τα φάρμακα λειτουργούν με σκοπό την επιβράδυνση της αύξησης του ενδομητριακού καρκίνου. Σελ. 49

50 - Ταμοξιφαίνη: Η ταμοξιφαίνη είναι φάρμακο αντί-οιστρογόνο που χρησιμοποιείται συχνά για την θεραπεία του καρκίνου του μαστού. Μπορεί να επίσης να χρησιμοποιηθεί για την θεραπεία του προχωρημένου ή υποτροπιάζοντα καρκίνου του ενδομητρίου. Στόχος της θεραπείας είναι με την ταξοξιφαίνη να προληφθούν τυχών οιστρογόνα που κυκλοφορούν στο σώμα της γυναίκας με αποτέλεσμα την καταπολέμηση ανάπτυξης καρκίνου - Ανταγωνιστικές ορμόνες: Οι περισσότερες γυναίκες με καρκίνο του ενδομητρίου έχουν αφαιρέσει τις ωοθήκες τους. Σε άλλες περιπτώσεις οι ακτινοθεραπείες προκαλούν αδράνεια στις ωοθήκες. Αυτό μειώνει τη παραγωγή οιστρογόνων και μπορεί επίσης να επιβραδύνει την ανάπτυξη του ενδομητριακού καρκίνου. Οι γοναδοτρόπες ορμόνες (GNRH) είναι ένας άλλος τρόπος να μειωθούν τα επίπεδα οιστρογόνων στις γυναίκες με την λειτουργία των ωοθηκών. Αυτές οι ορμόνες απενεργοποιούν την παραγωγή οιστρογόνων από τις ωοθήκες σε γυναίκες που δεν έχουν φτάσει στο στάδιο της έμμηνης ρήσης. - Αναστολείς αρωματάσης: Μετά την αφαίρεση των ωοθηκών τα οιστρογόνα εξακολουθούν να παράγονται στον λιπώδη ιστό αποτελώντας την μοναδική πηγή παραγωγής οιστρογόνων. Φάρμακα που ονομάζονται αναστολείς της αρωματάσης μπορούν να σταματήσουν αυτή την διαδικασία. Σελ. 50

51 ΚΕΦΑΛΑΙΟ 2 - ΑΝΙΧΕΥΣΗ ΕΝΔΟΜΗΤΡΙΑΚΟΥ ΚΑΡΚΙΝΟΥ Ανίχνευση ενδομητριακού καρκίνου με χρώσεις Η ανίχνευση και διάγνωση του ενδομητριακού καρκίνου μπορεί να διεξαχθεί με πολλούς τρόπους και τεχνικές. Στην παρούσα διπλωματική εργασία τα δείγματα που αναλύονται διαγνώστηκαν από τον ιστοπαθολόγο, με βιοψία του ενδομητρίου κάνοντας χρήση χρωστικών. Η βιοψία του ενδομητρίου είναι ο πιο κοινός τρόπος διάγνωσης του ενδομητριακού καρκίνου. Είναι μία από της πλέον αξιόπιστες μεθόδους που χρησιμοποιείται στον κλάδο της ιστοπαθολογίας για την διάγνωση του ενδομητριακού καρκίνου. Η διαδικασία χωρίζεται σε μία σειρά διεργασιών από την στάδιο της λήψης του δείγματος μέχρι και το στάδιο επεξεργασίας του στο μικροσκόπιο. Εικόνα 2.1 : Τρόποι λήψης δείγματος ιστών από το ενδομήτριο. Σελ. 51

52 Αρχικά η διαδικασία της βιοψίας ξεκινάει με την λήψης δείγματος ιστού από το ενδομήτριο της γυναίκας. Με την βοήθεια εύκαμπτου και λεπτού σωλήνα ο ιστοπαθολόγος εισέρχεται στο εσωτερικό της μήτρας μέσω του τραχήλου. Με την μέθοδο της απορρόφησης, ένα μικρό κομμάτι από τους ενδομητριακούς ιστούς αφαιρείται και μεταφέρετε μέσω του σωλήνα έξω από την μήτρα. Λόγω της δυσφορία που μπορεί να δημιουργηθεί στην ασθενή, πριν την διαδικασία χορηγείται τοπικό αναισθητικό στην περιοχή της επέμβασης. Σε περίπτωση που με την βιοψία ενδομητρίου δεν παρθεί ικανοποιητική ποσότητα ιστού ή η βιοψία δείχνει καρκίνο και τα αποτελέσματα είναι αβέβαια, τότε εκτελείται η διαδικασία διαστολής και απόξεσης. Σε αυτή την διαδικασία ένα ειδικό εργαλείο διευρύνει το άνοιγμα του τραχήλου της μήτρας ούτως ώστε ένα άλλο μηχάνημα να εισέρθει στο εσωτερικό της μήτρας και να μαζέψει ιστούς ξύνοντας το ενδομήτριο. Αυτό γίνεται με η χωρίς υστεροσκόπηση. Η διαδικασία αυτή αρκεί περίπου μία ώρα και επιβάλετε τοπική αναισθησία. Με το δείγμα που έχει ληφθεί ο ιστοπαθολόγος με την βοήθεια διαφόρων τεχνικών, μελετά τους ιστούς για να ανιχνεύσει διάφορες καταστάσεις που διαφοροποιούνται από τις φυσιολογικές στα καρκινικά κύτταρα. Στο ενδομητριακό καρκίνο φαίνεται να επηρεάζεται η αναλογία μεταξύ κυτταρικού πολλαπλασιασμού και απόπτωσης των ενδομητριακών κυττάρων που λαμβάνονται. Επίσης, πέρα από την διαταραχή στο μηχανισμό της απόπτωσης, παρατηρείται υπερέκφραση των αντι-αποπτωτικών γονιδίων. Οι μεταβολές στον βαθμό έκφρασης ορμονικών υποδοχέων (οιστρογονικών και προγεστερονικών), όπως η σταδιακή μείωση τους σε σχέση με τα φυσιολογικά κύτταρα σηματοδοτούν την εμφάνιση κακοήθειας. Αυτοί οι μηχανισμοί έχουν συσχετιστεί με διαταραχές στην έκφραση των ορμονικών υποδοχέων και των ογκογονιδίων στο ενδομήτριο[36-38]. Το γονίδιο cerb-b (HER ή neu) είναι ένα ογκογονίδιο του οποίου οι διαταραχές εμπλέκονται σε μεγάλο αριθμό κακοηθών νεοπλασμάτων, μεταξύ των οποίων και κακοήθειες του γυναικείου γεννητικού συστήματος. Αναλυτικότερα όταν το γονίδιο cerb-b παρουσιάζει ενίσχυση και υπερέκφραση στα κύτταρα του ενδομητρίου υποδηλώνει την εμφάνιση καρκίνου[36, 38]. Το cerb-b δεν εμπλέκεται αποκλείστηκα στον ενδομητριακό καρκίνο αλλά και σε άλλα είδη καρκίνου όπως, του μαστού, του προστάτη, του πεπτικού, του πνεύμονα και του παγκρέατος, καθώς και αιματολογικές κακοήθειες[37]. Το ογκογονίδιο cerb-b (HER ή neu) βρίσκεται στο μακρύ σκέλος του χρωμοσώματος 17. Φυσιολογικά είναι ένα γονίδιο που παίζει ρόλο στην ανάπτυξη και διαφοροποίηση πολλών ιστών και οργάνων του ανθρωπίνου οργανισμού. Το ογκογονίδιο κωδικοποιεί μία διαμεμβρανική πρωτεϊνη που ανήκει στην οικογένεια των υποδοχέων αυξητικών παραγόντων και είναι κινάση της τυροσίνης. Ο υποδοχέας αυτός συνδέεται με κάποιον αυξητικό παράγοντα και ενεργοποιείται. Η ενεργοποίηση του έχει ως αποτέλεσμα την δραστηριοποίηση πολυάριθμων βιοχημικών διεργασιών του κυττάρου που σχετίζονται με την κυτταρική διαίρεση, τον κυτταρικό πολλαπλασιασμό, τον μετασχηματισμό και την διαφοροποίηση του κυττάρου[39]. Η εμφάνιση καρκινογένεσης οφείλεται στην μεταβολή της ρύθμισης των βιοχημικών οδών που εμπλέκεται το cerb-b. Συχνότερα στις περιπτώσεις καρκίνου εμφανίζεται μετάλλαξη που αλλάζει την στερεοδομή του υποδοχέα και τον καθιστά συνεχής ενεργό, με αποτέλεσμα την Σελ. 52

53 αύξηση του αριθμού των αντιγράφων του γονιδίου στο κύτταρο, η οποία οδηγεί σε υπερέκφραση της πρωτεΐνης. Εικόνα 2.2 : Η διαμεμβρανική πρωτεϊνη, υποδοχείς αυξητικών παραγόντων κινάση της τυροσίνης που κωδικοποιεί το ογκογονίδιο cerb-b (HER ή neu). Ο ιστοπαθολόγος ανιχνεύει την υπερέκφραση του ογκογονιδιού c-erb-b στο δείγμα των ιστών που έχει πάρει με μορφολογικές μοριακές τεχνικές. Ο «in situ» υβριδισμός είναι μία από αυτές της τεχνικές επειδή επιτρέπει των μορφολογικό εντοπισμό της γενετικής πληροφορίας στους πυρήνες των κυττάρων. Με βάση την αρχή της συμπληρωματικότητας του «DNA» και «RNA» μπορούμε με την χρήση μίας κατάλληλης σημασμένης εξωγενούς μονόκλωνης ή δίκλωνης αλληλουχίας που ονομάζεται δείκτης «prode» να ανιχνεύσουμε την συμπληρωματική της στην περιοχή του κυττάρου που ευρίσκεται (κυτταρόπλασμα, πυρήνας)[40]. Το αποτέλεσμα της αντίδρασης του υβριδισμού με μη-ισοτοπικούς δείκτες είναι ορατό στο οπτικό μικροσκόπιο. Το δείγμα των ιστών όπως καταλαβαίνουμε προετοιμάζεται με διάφορες τεχνικές μέχρι να είναι έτοιμο να παρατηρηθεί με την χρήση του οπτικού μικροσκόπιου. Αρχικά το δείγμα αφυδατώνετε με την χρήση διαφόρων ουσιών και σταθεροποιείται. Το παρασκεύασμα τεμαχίζεται σε λεπτές φέτες (5μ-7μ) και τοποθετείται στην αντικειμενοφόρο πλάκα. Για να γίνουν εμφανής οι διάφορες δομές των ιστών οι βιοψίες επεξεργάστηκαν με τη χρώση «Αιματοξυλίνης- Ιωσίνης» για τη εκτίμηση του βαθμού διαφοροποίησης του όγκου, όπου έγινε και Σελ. 53

54 η διάγνωση σε ένα από τα τρία επίπεδα του ενδομητριακού καρκίνου (grade Ι, ΙΙ ή ΙΙΙ). Επίσης επεξεργάστηκαν ανοσοϊστοχημικά για την έκφραση του ογκογονιδίου cerb-b όπου οι εκφρασμένοι πυρήνες χρωματίζονται καφέ ενώ οι υπόλοιποι χρωματίζονται μπλε-ιώδες εξαιτίας της επίχρωσης «Αιματοξυλίνης» [38]. Τα παρασκευάσματα είναι έτοιμα για διάγνωση από το ιστοπαθολόγο με την χρήση του οπτικού μικροσκοπίου. Εικόνα 2.3 : Ψηφιακή ιστοπαθολογική εικόνα μικροσκοπίου. Σελ. 54

55 3.1 Εισαγωγή ΚΕΦΑΛΑΙΟ 3 - ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ Με τον όρο «Ψηφιακή εικόνα» εννοούμε την εικόνα όπου είναι σε τέτοια μορφή ή οποία είναι συμβατή και αναγνωρίσιμη από τις υπολογιστικές μηχανές. Είναι η ψηφιακή αναπαράσταση των δύο διαστάσεων της εικόνας όπου η πληροφορία της είναι αποθηκευμένη σε μορφή ψηφιακών πινάκων και μπορεί να παρουσιαστή σε υπολογιστικές οθόνες. Για την παραγωγή μία ψηφιακής φωτογραφίας απαιτούνται μέσα δειγματοληψίας όπως ψηφιακές φωτογραφικές μηχανές, κάμερες και σαρωτές. Ανάλογα με το μέσο παραγωγής της μπορεί να είναι διαδική(binary Image), μονοχρωματική αποχρώσεων του γκρι ( Gray-level ή gray scale images) ή έγχρωμη[41]. Μια ψηφιακή εικόνα θεωρείται ως η κατανομή της πληροφορίας στο επίπεδο [x,y].[42] Κάθε στοιχείο του επιπέδου αυτού το ονομάζουμε εικονοστοιχείο «pixel». Αποτελεί το δομικό στοιχείο κάθε εικόνας και κρύβει μέσα κάποιες τιμές. Μία ψηφιακή εικόνα διαστάσεων Ν M γενικά παριστάνεται από ένα δυσδιάστατο πίνακα «Array(i,j)» όπου σε κάθε κελί / εικονοστοιχείο αποθηκεύονται διάφορες τιμές. Η φωτεινότητα της κάθε ψηφιακής εικόνας είναι ανάλογη της τιμής I(i,j) του κάθε εικονοστοιχείου(i,j). Συνεπώς ο πίνακας I(i,j) είναι μια διακεκριμένη συνάρτηση που εκφράζει την ένταση της φωτεινότητας σε κάθε εικονοστοιχείο. Οι ψηφιακές εικόνες κυριάρχησαν με την ραγδαία ανάπτυξη της τεχνολογίας. Μέσα από την πληθώρα των τεχνολογιών που ανακαλύφθηκαν υπήρξαν και διάφοροι τύποι ψηφιακών εικόνων. Κυριάρχησαν όμως δύο μεγάλες κατηγορίες, τα αρχεία τύπου «ψηφιοκουκίδων (raster)»[43] και τα «διανυσματικά (vector)» αρχεία εικόνας.η διαφορά των δύο κατηγοριών είναι ότι τα αρχεία ψηφιακών εικόνων τύπου «ψηφιοκουκίδων» σχηματίζονται από το άθροισμα κουκίδων, σε αντίθεση με τα «διανυσματικά» όπου η εικόνα σχηματίζεται από το άθροισμα γεωμετρικών σχημάτων. Στην συνέχεια θα ασχοληθούμε και θα μελετήσουμε χαρακτηριστικά των ψηφιακών εικόνων τύπου ψηφιοκουκίδων με βάση το προβάδισμα που έχουν επιτύχει τα τελευταία χρόνια. 3.2 Δυαδική εικόνα Αποτελεί την απλούστερη μορφή μιας ψηφιακής εικόνας. Οι στάθμες φωτεινότητας της είναι δύο με επικρατέστερα το άσπρο και το μαύρο. Το χρώμα άσπρο παριστάτε με την τιμή 1 και το χρώμα μαύρο με την τιμή 0[41, 44]. Ένας από τους κυριότερους λόγους διατήρησης αυτής της μορφής ψηφιακών εικόνων είναι γιατί καταλαμβάνουν πολύ μικρή μνήμη και η επεξεργασία τους απαιτεί μικρότερο υπολογιστικό κόστος. Πολλές φορές χρησιμοποιούνται σαν δείκτες μονοχρωματικών και έγχρωμων εικόνων για πληροφορίες όπως θέση, εμβαδών και μορφή αντικειμένων[45, 46] Στις δυαδικές εικόνες λόγω του χαρακτηριστικού γνωρίσματος τους, έχουν εφαρμοστεί πολύ μέθοδοι επεξεργασίας εικόνας σε επίπεδο μορφολογικών χαρακτηριστικών όπως σμίκρυνση σχημάτων, μεγέθυνση σχημάτων και απαλοιφή σχημάτων. Εικόνα 3.1 : Διαδική εικόνα, αναπαράσταση με μαύρο χρώμα του σχήματος κύκλου Σελ. 55

56 3.3 Εικόνα αποχρώσεων γκρι / Μονοχρωματική Η μονοχρωματική ψηφιακή εικόνα θα μπορούσε να χαρακτηριστεί και ως η εξέλιξη της δυαδικής εικόνας με την μόνη διαφορά τους την ένταση χρώματος του κάθε εικονοστοιχείου[44]. Στην μονοχρωματική ψηφιακή εικόνα το κάθε εικονοστοιχείο μπορεί να λάβει τιμή από το 0 (μαύρο) έως το 255 (λευκό), με αποτέλεσμα αναπαριστούνται όλες οι αποχρώσεις της κλίμακας του γκρί. Λόγω του μεγάλου αριθμού αποχρώσεων της έντασης στις μονοχρωματικές ψηφιακές εικόνες μπορούμε να δούμε με μεγάλη ευκρίνεια στις μορφές και τα σχήματα σε μια φυσική τους αναπαράσταση[46]. Μία ψηφιακή εικόνα αποχρώσεων του γκρι διαστάσεων Ν M παριστάνεται από τον δυσδιάστατο πίνακα ακέραιων αριθμών I(i,j) για i=1... N και j=1...m όπου 0 Ι(i,j) G-1. Το G συνήθως ισούται με δύναμη του 2 δηλαδή G= με πιο επικρατούσα τιμή το m=8 που αντιστοιχεί στις 256 αποχρώσεις του γκρι. Άρα όπως μπορούμε να καταλάβουμε έχουμε κβαντισμένες τιμές πλάτους για κάθε εικονοστοιχείο[41, 44, 47]. Σχήμα 3.1 : Αναπαράσταση εικόνας αποχρώσεων γκρι, M x N διαστάσεων. I M N εικονοστοιχείο Σελ. 56

57 Εικόνα 3.2 : Οι 256 αποχρώσεις του γκρί που μπορεί να χρησιμοποιηθούν σε μία εικόνα αποχρώσεων γκρι, χρωματικού βάθους 8 bit. 3.4 Έγχρωμη ψηφιακή εικόνα Η έγχρωμη ψηφιακή εικόνα ονομάζεται και «RGB μοντέλο» γιατί κάθε χρώμα εμφανίζεται μέσα από την πρωτογενή φασματική μορφή του «R» κόκκινου, «G» πράσινου, και «B» μπλε. Το χρώμα του κάθε εικονοστοιχείου μίας έγχρωμης ψηφιακής εικόνας αναπαριστάτε μέσα από τρείς συνιστώσες, το επίπεδο του «R» κόκκινου, το επίπεδο του «G» πράσινου και το επίπεδο του «B» μπλε. Η έγχρωμη ψηφιακή εικόνα διαστάσεων N x M αντιπροσωπεύεται από ένα τρισδιάστατο πίνακα N x M x 3 (3 α επίπεδα).[46, 48, 49] Το κάθε επίπεδο αντιπροσωπεύεται από ένα δυσδιάστατο πίνακα όπου μέσα είναι καταχωρημένες οι εντάσεις του κάθε εικονοστοιχείου για κάθε επίπεδο. Άρα μία έγχρωμη ψηφιακή εικόνα έχει διαστάσεις: M (αριθμός γραμμών) x N (αριθμός στηλών) x Z ( 3 α επίπεδα R-G-B) Στην έγχρωμη ψηφιακή εικόνα ή ένταση κάθε εικονοστοιχείου «ΕRGB» παράγεται από την ένταση ΕR του επιπέδου «R» επί την ένταση ΕG του επιπέδου «G» επί την ένταση ΕB του επιπέδου «B» και μας διατυπώνει συγκεκριμένο ένα χρώμα από το ορατό φάσμα του φωτός σε κάθε εικονοστοιχείο.[41, 46] Δηλαδή: Ένταση = IRGB = IR x IG x IB Σε μία έγχρωμη ψηφιακή εικόνα χρωματικού βάθους 8bits είναι δυνατό να διατυπωθούν 16.7 εκατομμύρια πιθανά χρώματα. Σχήμα 3.2 : Αναπαράσταση έγχρωμης ψηφιακής εικόνας M x N διαστάσεων. Z IG IB M IR X N εικονοστοιχείο Η ένταση χρώματος κάθε εικονοστοιχείου συνήθως αποθηκεύεται χρησιμοποιώντας 8 bits, πράγμα που υποδεικνύει ότι το επίπεδο κβαντοποίησης είναι 256. Δηλαδή, ένα εικονοστοιχείο σε μια έγχρωμη εικόνα απαιτεί το μέγιστο 24 bits για την αποθήκευση. Τα 24 bit μνήμη δικαιολογούνται αφού το κάθε επίπεδο από τα τρία επίπεδα που κρύβει κάθε εικονοστοιχείο μπορεί να πάρει ένταση μέχρι 256. Αν πολλαπλασιάσουμε το μέγιστο κάθε επιπέδου για ένα εικονοστοιχείο έχουμε : = bit. Σελ. 57

58 Εικόνα 3.3 : Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας. Α. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 8 bits. Β. Μαυρόασπρη ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 8 bits. Γ. Δυαδική ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 1 bit. Δ. Πληροφορία από 1 ο Επίπεδο ψηφιακής ιστοπαθολογικής εικόνας, επίπεδο «R», κόκκινο E. Πληροφορία από 2 ο Επίπεδο ψηφιακής ιστοπαθολογικής εικόνας, επίπεδο «G», πράσινο Ζ. Πληροφορία από 3 ο Επίπεδο ψηφιακής ιστοπαθολογικής εικόνας, επίπεδο «B», μπλε Α Β Γ Δ Ε Ζ Σελ. 58

59 3.5 Χαρακτηριστικά ψηφιακών εικόνων Ανάλυση Εικόνας Με το όρο ανάλυση εικόνας αναφερόμαστε στο αριθμό των εικονοστοιχείων από τα οποία αποτελείται μία εικόνα[46, 47]. Ένας τρόπος προσδιορισμού της ανάλυσης μιας εικόνας είναι μέσω της αναφοράς στο σύνολο των εικονοστοιχείων[49]. Στην ψηφιακή εικόνα ο προσδιορισμός της ανάλυσης μπορεί πολύ απλά να γίνει με αναφορά του αριθμού των εικονοστοιχείων ανά γραμμή και ανά στήλη. Παράλληλα υπάρχει και η σχετική ανάλυση όπου σε αυτή υπολογίζεται ο αριθμός των εικονοστοιχείων σε μία μονάδα μήκους. Ευρέως διαδεδομένο είναι το «ppi» (pixel per inch = εικονοστοιχείο ανά ίντσα) ή αλλιώς και «dpi» (dots per inch = κουκίδες ανά ίντσα). Το φυσικό μέγεθος «dpi» ή «ppi» στην ουσία καθορίζει την πυκνότητα πληροφορίας της εικόνας αλλά δεν μπορεί να καθορίσει το ποσό πληροφορίας της εικόνας[44, 50, 51]. Εικόνα 3.4 : Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας. Α. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 8 bits ανάλυσης 1296x1728 Β. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 8 bits ανάλυσης 324x432 Γ. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 8 bits ανάλυσης 162x216 Δ. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα χρωματικού βάθους 8 bits ανάλυσης 81x108 Α Β Γ Δ Σελ. 59

60 Χρωματικό βάθος Χρωματικό βάθος στην ψηφιακή εικόνα αποχρώσεων γκρι, ορίζουμε τις πόσες αποχρώσεις της κλίμακας του γκρι ή του ορατού φάσματος του φωτός μπορεί να έχουμε σε μία εικόνα[46]. Δηλαδή είναι η ποσότητα πληροφορίας που περιέχουν οι ψηφιακές εικόνες στην απόδοση χρώματος. Το χρωματικό βάθος σε μία εικόνα εκφράζεται από συντελεστή «m» που είναι τα bits που μπορούμε να αποθηκεύσουμε μία πληροφορία υψωμένα στην δύναμη του δύο. Αριθμός χρωμάτων εικόνας = Πίνακας 3.1 : Αντιστοιχία αριθμού bits με αριθμό χρωμάτων. Bits Αριθμός Χρωμάτων χιλ. 16 εκ. 1 δις Ευκρίνεια Ευκρίνεια μίας εικόνας είναι ένας δείκτης που καθορίζει πόσο καλά μπορούμε να βλέπουμε τις λεπτομέρειες σε μία εικόνα[50, 51]. Αυτό το δείκτη μπορούμε να τον καθορίσουμε με το πλήθος των εικονοστοιχείων ανά μονάδα επιφάνειας και συνήθως μετρείται σε «dpi». Η ευκρίνεια εξαρτάτε τόσο από της διαστάσεις της εικόνας όσο και από το χρωματικό βάθος της εικόνας. Η ευκρίνεια καθορίζεται από τα όρια μεταξύ των ζωνών από τους διαφορετικούς τόνους ή χρώματα. Μέγεθος / Συμπίεση Εικόνας Το μέγεθος του αρχείου μίας ψηφιακής εικόνας μετριέται σε KB, MB και GB όπως και όλα τα αρχεία σε ένα ηλεκτρονικό υπολογιστή. Το μέγεθος αρχείου σε μία ψηφιακή εικόνα είναι ανάλογο των διαστάσεων της σε εικονοστοιχεία αλλά και το χρωματικό της βάθος[50, 51]. Συγκεκριμένα το μέγεθος μίας ψηφιακής εικόνας υπολογίζεται: M (αριθμός γραμμών) x N (αριθμός στηλών) x m ( bits χρωματικού βάθους) Εικόνες με μεγάλες διαστάσεις και μεγάλο χρωματικό βάθος έχουν πολύ περισσότερη ευκρίνεια και λεπτομέρεια από εικόνες με μικρότερες διαστάσεις ή μικρότερο χρωματικό βάθος, αλλά απαιτούν περισσότερο χρόνο αποθήκευσης και περισσότερη υπολογιστική μνήμη. Μία έγχρωμή εικόνα του χρωματικού μοντέλου «RGB» λόγο των τριών επιπέδων της απαιτεί τριπλάσιο αριθμό σε bits από μία μονοχρωματική εικόνα[48]. Λόγω του μεγάλου όγκου σε δεδομένα αν αφήναμε τις ψηφιακές εικόνες στο φυσικό τους μέγεθος θα είχαμε πολύ σημαντικά προβλήματα με το διαθέσιμο χώρο. Πρόκληση της επιστημονικής κοινότητας ήταν η εξεύρεση τρόπων συμπίεσης που να μπορούν να μειώνουν το μέγεθος της ψηφιακής εικόνας με μηδενικές απώλειες στην πληροφορίας της. Σήμερα έχουμε πολλούς τρόπους συμπίεσης μίας εικόνας. Για να μπορέσουμε να τους ξεχωρίζουμε χωρίζουμε τα αρχεία των ψηφιακών εικόνων σε διάφορους τύπους, ανάλογα με τον τρόπο συμπίεσης. Οι τρόποι συμπίεσης γενικότερα χωρίζονται σε δύο κατηγορίες, την συμπίεση με απώλεια και την συμπίεση χωρίς απώλεια στην πληροφορία της Σελ. 60

61 ψηφιακής εικόνας. Η συμπίεση χωρίς απώλεια στην πληροφορία της εικόνας γίνεται σε επίπεδο δεδομένων. Τύπος εικόνας JPG TIFF, TIF GIF BMP PS, EPS PDF FPX PCD PSD WMF CDR WMF DXF Πίνακας 3.2 : Διάφοροι τύποι ψηφιακών εικόνων και τα χαρακτηριστικά τους. Χαρακτηριστικά Loosing, επιτρέπει να ρυθμιστεί ο βαθμός συμπίεσης ανάλογα με τις ανάγκες Looseless, επιτυγχάνει υψηλό βαθμό συμπίεσης Looseless, η συμπίεση είναι υποτυπώδης και ανεπαρκής για πολύπλοκες εικόνες Looseless ή καθόλου, ικανοποιητική συμπίεση που όμως δεν φτάνει τον βαθμό συμπίεσης των TIF αρχείων Looseless, ικανοποιητική συμπίεση Looseless, εξαιρετικά υψηλή συμπίεση Συνδυασμός looseless και ελαφράς loosing συμπίεσης Loosing, ικανοποιητική συμπίεση Χωρίς συμπίεση Χωρίς συμπίεση Looseless, ικανοποιητική συμπίεση Χωρίς συμπίεση Χωρίς συμπίεση Στην συνέχεια θα αναφερθούμε σε δύο τύπους συμπίεσης που φαίνεται να επικρατούν περισσότερο από τους υπόλοιπους σήμερα, αλλά και που θα ασχοληθούμε περισσότερο στην παρούσα εργασία. Οι δύο αυτοί τύποι είναι το «jpeg» ή «jpg» και το «tiff» ή «tif». 3.6 Αρχεία τύπου «JPG» Το αρχείο τύπου jpg είναι τα πιο διαδεδομένο αρχείο στις ψηφιακές εικόνες. Επιτυγχάνει εξαιρετικά υψηλή συμπίεση με μηδενικές απώλειες στην πληροφορία της ψηφιακής εικόνας. Ένας από τους λόγους της μεγάλης διάδοσης του είναι γιατί ο χρήστης έχει την ικανότητα να επιλέξει τον βαθμό συμπίεσης της εικόνας. Είναι ευρέως γνωστά και διαδομένα, αφού χρησιμοποιούνται και αναγνωρίζονται από όλα τα λειτουργικά συστήματα. Σε αυτό το τύπο μπορούμε να αποθηκεύσουμε εικόνες με χρωματικό μοντέλο «RGB» ή χρωματικό μοντέλο «CMYK». Οι έγχρωμες ψηφιακές εικόνες έχουν χρωματικό βάθος 24 bits ή 32 bits ανάλογα με το χρωματικό μοντέλο εκτός και οι μονοχρωματικές που έχουν 8 bits χρωματικό βάθος[52]. Ο βασικός τρόπος εφαρμογής της συμπίεσης στα αρχεία τύπου «jpg» γίνεται σε διάφορα στάδια. Αρχικά η εικόνα χωρίζεται σε περιοχές των 8x8 εικονοστοιχείων. Ακολούθως υπολογίζεται ο διακριτός συνημιτονικός μετασχηματισμός της κάθε περιοχής. Στην συνέχεια γίνεται κβαντοποίηση της κάθε περιοχής με την χρήση μήτρας και στο τέλος κωδικοποίηση των συντελεστών με χρήση κωδικοποίησης μεταβλητού μήκους. Άρα, με βάση τον τρόπο λειτουργίας του τύπου «jpg», καταλαβαίνουμε ότι το γενικό σχήμα της συμπίεσης είναι ανεξάρτητο από παραμέτρους όπως: την ανάλυση της, το λόγο γραμμών προς στηλών της, την χρωματική της αναπαράσταση, την πολυπλοκότητα της ή τα στατιστικά χαρακτηριστικά της[53]. Σελ. 61

62 3.7 Αρχεία τύπου «TIFF» Είναι ο δεύτερος πιο γνωστός τύπος αρχείου ψηφιακής εικόνας. Υποστηρίζεται από τα περισσότερα λειτουργικά συστήματα. Τα αρχεία τύπου «Tagged Image File Format (TIFF)»[54] χρησιμοποιούνται από προσωπικούς υπολογιστές έως και ψηφιακές φωτογραφικές μηχανές. Οι εικόνες τύπου TIFF δέχονται οποιαδήποτε ανάλυση. Τα αρχεία αυτού του τύπου επιδέχονται και συμπίεση με διάφορες μεθόδους χωρίς να έχουμε απώλεια στην πληροφορία της εικόνας[55]. Τα αρχεία τύπου «TIFF» έχουν ψηλή ποιότητα διότι είναι ένας μη απωλεστικός τύπος ψηφιακής εικόνας. Πέρα όμως από την υψηλή τους ανάλυση χαρακτηριστικό τους είναι και το μεγάλο τους μέγεθος. Για την καταπολέμηση του μεγάλου τους όγκου και εξοικονόμηση χώρου μπορούν να συμπιεστούν με «LZW» ή «ZIP» μεθόδους που είναι μη απολεστικές και μειώνουν τον όγκο του αρχείου στο μισό περίπου. Η «Lempel-Zif-Welch (LZW)» είναι μη απωλεστική μέθοδος συμπίεσης που χρησιμοποιείται στα αρχεία τύπου ψηφιακής εικόνας «TIFF». Με βάση τον τρόπο λειτουργία της παρουσιάζει καλύτερα αποτελέσματα συμπίεσης σε ψηφιακές εικόνες με μεγάλες περιοχές του ίδιου χρώματος. Η «ZIP» είναι άλλη μία μη απωλεστική μέθοδος συμπίεσης που χρησιμοποιείται στα αρχεία τύπου ψηφιακής εικόνας «TIFF». Και σε αυτή την μέθοδο, με βάση τον τρόπο λειτουργία της, είναι πιο αποτελεσματική για τη συμπίεση εικόνων με μεγάλες περιοχές του ίδιου χρώματος[54]. Αρχεία τύπου «TIFF» δημιουργούμε όταν κρίνουμε ότι πρέπει να αποθηκεύσουμε κάποιες φωτογραφίες χωρίς την παραμικρή απώλεια πληροφορίας. Τέτοιες περιπτώσεις περιλαμβάνουν φωτογραφίες από μηχανές που κατά τη λήψη δεν εφαρμόζουν απωλεστική συμπίεση και θέλουμε να τις αποθηκεύσουμε στη μέγιστη δυνατή ποιότητα, ή φωτογραφίες που μετά από κάποια επεξεργασία θέλουμε να τις αποθηκεύσουμε με την προοπτική περαιτέρω επεξεργασίας. Στην παρούσα διπλωματική εργασία για τους λόγους αυτούς οι ψηφιακές εικόνες παράγονται από κάμερα που κατά την λήψη δεν εφαρμόζει απωλεστική συμπίεση και αποθηκεύονται σε αυτό το τύπο ψηφιακής εικόνας. Γενικότερα στις ιατρικές ψηφιακές εικόνες συνηθίζονται τέτοιοι τύποι αρχείων εικόνας γιατί δεν αλλοιώνεται η ποιότητα τους. Με τα αρχεία εικόνας τύπου «TIFF» αποθηκεύονται ψηφιακές εικόνας εξαιρετικής ποιότητας απεικόνισης αλλά και μεγάλης ευκρίνειας[46]. Σελ. 62

63 4.1 Εισαγωγή ΚΕΦΑΛΑΙΟ 4 - ΜΙΚΡΟΣΚΟΠΙΟ Ένα από τα μεγαλύτερα επιτεύγματα του 17 ου αιώνα είναι η εφεύρεση του οπτικού μικροσκοπίου.[56] Το οπτικό μικροσκόπιο είναι ένα όργανο που επιτρέπει την παρατήρηση μικρών αντικειμένων και δομών, που είναι αδύνατο να παρατηρήσουμε με γυμνό μάτι[57]. Η δυνατότητα αυτή επιτυγχάνεται χάρη της συγκεκριμένης συνδεσμολογίας διαφόρων τύπων μεγεθυντικών φακών. Τα μικροσκόπια ήταν από τα πρώτα μηχανήματα που χρησιμοποιήθηκαν στην ιατρική και την βιολογία. Στην παρούσα διπλωματική εργασία χρησιμοποιήθηκε οπτικό μικροσκόπιο. Στα οπτικά μικροσκόπια συνδυάζονται διάφορα είδη μεγεθυντικών φακών για οπτική μεγέθυνση του αντικειμένου. Με την χρήση του οπτικού μικροσκοπίου μπορούμε να μεγεθύνουμε το αντικείμενο με μέγιστη μεγέθυνση 1600 φορές. Το μέγεθος των αντικειμένων που μπορούμε να παρατηρήσουμε στο οπτικό μικροσκόπιο κυμαίνεται από 0.1mm μέχρι και 0.1 μικρά[57, 58]. Για την ψηφιοποίηση των δειγμάτων των βιοψιών χρησιμοποιήθηκε κάμερα η οποία ήταν ενσωματωμένη πάνω στο οπτικό μικροσκόπιο. Η λήψη όμως καλών παρατηρήσεων εξαρτιόταν άμεσα από τρείς παραμέτρους, την διακριτική ικανότητα του μικροσκοπίου, την μεγέθυνση του μικροσκοπίου και την αντίθεση ανάμεσα στις δομές του αντικειμένου.[57, 58] Διακριτική ικανότητα οπτικού μικροσκοπίου ονομάζουμε την σχετική «ικανότητα» του εκάστοτε μικροσκοπίου να δείχνει δύο πολύ κοντινά σημεία ως δύο καθαρά σημεία. Μεγέθυνση ονομάζουμε το βαθμό μεγέθυνσης που μπορεί να επιφέρει το μικροσκόπιο στο είδωλο του αντικειμένου του. Αντικείμενο μικροσκόπησης στην παρούσα εργασία είναι οι βιοψίες ενδομητριακού καρκίνου. Τα μέρη των βιοψιών γίνονται διακριτά μεταξύ τους όταν υπάρχει επαρκής αντίθεση μεταξύ των δομών. Για την αύξηση της αντίθεσης των δομών των κυττάρων στις βιοψίες έγινε χρήση χρωστικών. 4.2 Περιγραφή Μικροσκοπίου Το οπτικό μικροσκόπιο χωρίζεται σε τρία ανεξάρτητα συστήματα το οπτικό σύστημα, το μηχανικό σύστημα και το σύστημα φωτισμού[57, 58]. Με τον συνδυασμό των λειτουργιών και των τριών συστημάτων έχουμε το καλύτερο επιθυμητό αποτέλεσμα. Ως κύριο τμήμα του οπτικού μικροσκοπίου ορίζουμε το οπτικό σύστημα, η λειτουργία του οποίου υποστηρίζεται από το μηχανικό σύστημα και το σύστημα φωτισμού. Στο οπτικό σύστημα έχουμε δύο συγκλίνοντα ομοαξονικά υποσυστήματα: Προσοφθάλμιο υποσύστημα. Ρόλος του προσοφθάλμιου υποσυστήματος είναι η μεγέθυνση του ειδώλου του αντικειμένου. Υποσύστημα με τους αντικειμενικούς φακούς. Στο υποσύστημα αντικειμενικών φακών έχουμε μία σειρά από αντικειμενικούς φακούς 20Χ, 40Χ, 60Χ, 100Χ, που είναι προσαρμοσμένοι σε περιστρεφόμενη βάση. Ρόλος τους είναι να μεγεθύνουν και αναλύουν το είδωλο του αντικειμένου. Σελ. 63

64 Οι αντικειμενοφόρες πλάκες με τις βιοψίες τοποθετούνται σε μικρή απόσταση από την εστία του αντικειμενικού φακού σχηματίζοντας είδωλο πραγματικό, ανεστραμμένο και με μέγεθος αντιστρόφως ανάλογο με την απόσταση ανάμεσα στο αντικείμενο και την εστία. Εικόνα 4.1 : Το οπτικό μικροσκόπιο με ενσωματωμένη κάμερα. κάμερα προσοφθάλμιοι φακοί διοφθάλμιος οπτικός σωλήνας βραχίονας Περίστρεπτο σύστημα Αντικειμενικοί φακοί Οδηγητές αντικειμενοφόρων πλακών Κοχλίας μακρομετρικής κίνησης της τράπεζας τράπεζα συμπυκνωτής / διάφραγμα Κοχλίας μικρομετρικής κίνησης της τράπεζας κοχλίας για οριζόντια μετακίνηση της τράπεζας φωτεινή πηγή ρυθμιστής έντασης φωτός Το μηχανικό σύστημα του οπτικού μικροσκοπίου συγκροτείται και αποτελείται από τα τμήματα: Τράπεζα εργασίας. Στην τράπεζα εργασίας τοποθετούμε τις αντικειμενοφόρες πλάκες με τις βιοψίες με την βοήθεια ειδικών βραχίονων για τη στήριξη τους. Επίσης υπάρχουν ειδικοί κοχλίες για την μετακίνηση τους πάνω σε αυτή. Βραχίονες και κοχλίες μετακίνησης της τράπεζας για την εστίαση του αντικειμένου. Είναι δύο ο μακρομετρικός για την ανεύρεση του αντικειμένου και ο μικρομετρικός για την βελτίωση της εικόνας. Τον οπτικό σωλήνα, στον οποίο προσαρμόζονται τα υποσυστήματα προσοφθάλμιων και αντικειμενικών φακών Το σύστημα φωτισμού χρησιμεύει στο να φωτίζει το αντικείμενο που φέρει η αντικειμενοφόρος πλάκα. Περιλαμβάνει λυχνία αλογόνου (6V, 20W), συγκεντρωτικό σύστημα φακών που εστιάζει το φως στο δείγμα, υποδοχή για φίλτρα και διάφραγμα που ρυθμίζει το εύρος της φωτεινής δέσμης. Σελ. 64

65 4.3 Λειτουργία Μικροσκοπίου Το μικροσκόπιο είναι ένα σχετικά δύσκολο μηχάνημα όπου για να έχουμε ομαλή και άρτια λειτουργία του απαιτείται εκπαίδευση. Το τελικό αποτέλεσμα, δηλαδή η παρατήρηση μικρών αντικειμένων και δομών επηρεάζεται άμεσα από πολλούς παράγοντες και μεταβλητές. Η εύρεση του καλύτερου αποτελέσματος, μίας καλής και ευδιάκριτης παρατήρησης γίνεται μέσα από πολλές δοκιμές όσο αφορά, τις αποστάσεις για καλύτερη εστίαση αντικειμένου, χρήση διαφορετικού μεγεθυντικού φακού, αυξομείωση της έντασης του φωτός της φωτεινής πηγής[57-59]. Αρχικά για την δημιουργία των δειγμάτων που θα μελετήσουμε στο οπτικό μικροσκόπιο πρέπει να επεξεργαστούν και να φορμαριστούν σε συγκεκριμένη μορφή. Το αντικείμενο μικροσκόπησης παρασκευάζεται με συγκεκριμένο τρόπο. Τοποθετείται στην αντικειμενοφόρο πλάκα και στεγάζεται με μία καλυπτρίδα. Ο τρόπος παρασκευής του είναι συγκεκριμένος ανάλογα με το αντικείμενο που θέλουμε να παρατηρήσουμε. H παρατήρηση των μικροσκοπικών παρασκευασμάτων γίνεται είτε άμεσα (παρατήρηση ζωντανού οργανισμού ή δομών του στη φυσική τους κατάσταση) είτε μετά από στερέωση (νέκρωση) ή και χρώση του υλικού. Στην πρώτη περίπτωση τα παρασκευάσματα χαρακτηρίζονται ως προσωρινά ενώ στη δεύτερη ως μόνιμα. Η προετοιμασία του μικροσκοπικού παρασκευάσματος που θέλουμε να παρατηρήσουμε κάθε φορά είναι διαφορετική, ανάλογα με το είδος του αντικειμένου που θέλουμε να παρατηρήσουμε. Μικροσκοπικά παρασκευάσματα πλούσια σε νερό είναι σχεδόν δύσκολο να παρατηρηθούν στο μικροσκόπιο και προαπαιτείται ειδική επεξεργασία. Για να γίνουν ορατά στο οπτικό μικροσκόπιο εφαρμόζονται κατάλληλες τεχνικές με χρώσεις. Συνήθως παρασκευάσματα τέτοιου τύπου προέρχονται από τους ζωντανούς οργανισμούς. Μια μεγάλη ποικιλία χρωστικών μπορεί να χρησιμοποιηθεί για τη χρώση προσωρινών ή μόνιμων παρασκευασμάτων. Επίσης υπάρχει δυνατότητα για επιλεκτική χρώση συγκεκριμένων δομών του παρασκευάσματος. Μετά την προετοιμασία του παρασκευάσματος στην αντικειμενοφόρο πλάκα μπορούμε να το παρατηρήσουμε στο οπτικό μικροσκόπιο. Η αντικειμενοφόρος πλάκα τοποθετείται στην τράπεζα μικροσκόπησης. Μπορούμε να την μετακινήσουμε με ένα σύστημα κοχλίων προς δύο κατευθύνσεις κάθετες μεταξύ τους. Η μετακίνηση της στην τράπεζα, γίνεται με σκοπό το παρασκεύασμα να οδηγηθεί πάνω από το κυκλικό άνοιγμα της τράπεζας. Για την εστίαση του αντικειμένου μετακινούμε κατακόρυφα την τράπεζα. Αυτή η κίνηση επιτυγχάνεται για μικρότερη μεγέθυνση με τον κοχλία μακρομετρικής μετακίνησης της τράπεζας. Η απειροελάχιστη μετακίνηση της τράπεζας για μεγαλύτερη μεγέθυνση επιτυγχάνεται με την χρήση του μικρομετρικού κοχλία. Το αντικείμενο φωτίζεται με την φωτεινή πηγή που βρίσκεται ενσωματωμένη στη βάση του μικροσκοπίου. Γίνεται ειδική ρύθμιση του τρόπου με τον οποίο οι δέσμες του φωτός φωτίζουν το αντικείμενο. Αυτό επιτυγχάνεται από ένα σύνθετο σύστημα που συγκροτείται από το συμπυκνωτή και το διάφραγμα - ίριδα και συνοδεύεται συνήθως από έναν φορέα φίλτρων. Βρίσκεται τοποθετημένο κάτω από το άνοιγμα της τράπεζας στο οποίο πέφτει το φώς της φωτεινής πηγής. Το διάφραγμα έχει μεταβαλλόμενη διάμετρο και επιτρέπει την Σελ. 65

66 αυξομείωση του φωτισμού, εξασφαλίζοντας τον ομοιόμορφο φωτισμό του παρασκευάσματος. Ο συμπυκνωτής είναι ένα σύστημα φακών με διαφορετικό δείκτη διάθλασης και σχετική ανεξαρτησία κινήσεων. Στην κάθε περίπτωση υπάρχει διαφορετικός δείκτης συνδυασμού τους και εξασφαλίζει τη διέλευση όσο το δυνατόν περισσότερου φωτός στο υλικό μικροσκόπησης της αντικειμενοφόρου πλάκας. Χάρη στην λειτουργία του συμπυκνωτή έχουμε μεγαλύτερη ευκρίνεια στην εικόνα του αντικειμένου που παρατηρούμε. 4.4 Ιστοπαθολογικές εικόνες μικροσκοπίας Ιστοπαθολογία είναι ένας από τους τομέας που ειδικεύεται στη μικροσκοπική μελέτη ιστών. Είναι ένας από τους πιο σημαντικούς τομείς της παθολογίας και χρησιμοποιείται για την διάγνωση καρκίνου, όγκων και άλλων ασθενειών[60]. Οι ιστοπαθολογικές εικόνες μικροσκοπίας είναι εικόνες που μελετούν ιστοπαθολόγοι για να εξάγουν μία διάγνωση. Συνήθως παράγονται από ιστούς που αφαιρούνται από ανθρώπους, που ονομάζουμε χειρουργικά παρασκευάσματα ή βιοψίες. Με την μελέτη και παρατήρηση των ιστών μέσω του μικροσκοπίου, καθιστάτε δυνατή η τελική διάγνωση της νόσου. Εικόνα 4.2 : Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 αντικειμενικού φακού. Σελ. 66

67 Στην παρούσα διπλωματική εργασία, όπως αναφέραμε μελετούμε ιστοπαθολογικές εικόνες μικροσκοπίας που αφορούν βιοψίες ενδομητριακού καρκίνου [60]. Με βάση την γνωμάτευση του ιατρού κατηγοριοποιούνται σε ένα από τα τρία στάδια εξέλιξης του ενδομητριακού καρκίνου. Η μελέτη των ιστοπαθολογικών βιοψιών του ενδομητριακού καρκίνου, με την χρήση υπολογιστή, απαιτεί αρχικά για την ψηφιοποίηση τους σε ψηφιακές εικόνες. Για την ψηφιοποίηση τους χρησιμοποιήθηκε ψηφιακή κάμερα (Leica DFC420C) προσαρμοσμένη σε οπτικό μικροσκόπιο (Leica DM2500) και συνδεδεμένη με ηλεκτρονικό υπολογιστή [61]. Οι βιοψίες επεξεργάστηκαν με τη χρώση «Αιματοξυλίνης-Ιωσίνης» για τη εκτίμηση του βαθμού διαφοροποίησης του όγκου, όπου έγινε και η διάγνωση σε ένα από τα τρία επίπεδα του ενδομητριακού καρκίνου (grade Ι, ΙΙ ή ΙΙΙ). Επίσης επεξεργάστηκαν ανοσοϊστοχημικά για την έκφραση του ογκογονιδίου cerb-b όπου οι εκφρασμένοι πυρήνες χρωματίζονται καφέ ενώ οι υπόλοιποι χρωματίζονται μπλε-ιώδες εξαιτίας της επίχρωσης «Αιματοξυλίνης» [38]. Εικόνα 4.3 : Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 20 αντικειμενικού φακού. Για την ψηφιοποίηση και δημιουργία των ιστοπαθολογικών εικόνων ενδομητριακού καρκίνου, αρχικά εντοπίστηκαν οι κρίσιμες περιοχές στις βιοψίες με την χρήση μικροσκοπίου. Οι κρίσιμες περιοχές ήτανε σημαδεμένες από τον έμπειρο ιστοπαθολόγο. Σε κάθε κρίσιμη περιοχή που εντοπιζόταν, γινόταν λήψη φωτογραφιών για όλη της την έκταση. Παρήγαμε φωτογραφίες με την χρήση 20 και 40 αντικειμενικού φακού [61]. Σελ. 67

68 Σελ. 68

69 5.1 Εισαγωγή ΚΕΦΑΛΑΙΟ 5 - ΓΕΝΙΚΗ ΠΕΡΙΓΡΑΦΗ ΔΙΑΔΙΚΑΣΙΑΣ Αντικείμενο της παρούσας διπλωματικής είναι η μελέτη και ανάπτυξη ενός συστήματος λήψης, επεξεργασίας και ανάλυσης ιστοπαθολογικών εικόνων μικροσκοπίας, για την ταξινόμησή τους στα διάφορα επίπεδα «grade Ι, ΙΙ ή ΙΙΙ» του ενδομητριακού καρκίνου. Οι εικόνες που χρησιμοποιήθηκαν προέρχονται από διαγνωσμένες βιοψίες, οι οποίες εξετάστηκαν από έμπειρο ιστοπαθολόγο ιατρό και αφορούν τον ενδομητριακό καρκίνο. Οι μέθοδοι/τεχνικές που περιλαμβάνονται στο σύστημα για την υλοποίηση των διαφόρων διεργασιών είναι ευρέως γνωστές από την επιστημονική κοινότητα. Η επεξεργασία των ψηφιακών εικόνων, αλλά και η εξαγωγή των χαρακτηριστικών τους, είναι τομείς που ερευνούνται και εφαρμόζονται εδώ και πολλά χρόνια με μία μεγάλη γκάμα από μεθόδους και τεχνικές. Με την ανάπτυξη της τεχνολογίας και του μεγάλου όγκου σε τύπους και δεδομένα υπάρχει επίσης δυναμική ανάπτυξη στην αναγνώριση προτύπων με εξίσου μεγάλη πληθώρα εφαρμογής μεθόδων και τεχνικών. Η συγκεκριμένη δομή της υλοποίησης του συστήματος που περιγράφεται δεν είναι η πρώτη φορά που εφαρμόζεται. Υπάρχουν πανομοιότυπα συστήματα για τα διάφορα είδη του καρκίνου, αλλά και για τα διάφορα είδη ιατρικών εικόνων που μπορούν να παραχθούν από τα ιατρικά μηχανήματα. Σκοπός είναι να σχεδιάσουμε και να αναπτύξουμε ένα καλό και αξιόπιστο σύστημα, μέσα από το οποίο να πετύχουμε όσο το δυνατό βέλτιστα αποτελέσματα. Φυσικά αυτό επιτυγχάνεται μέσα από την ορθολογική χρήση των διαφόρων τεχνικών και αλγορίθμων σε κάθε στάδιο επεξεργασίας. Για την παραγωγή των καλύτερων αποτελεσμάτων σε αρκετά σημεία των σταδίων επεξεργασίας συνδυάστηκαν περισσότερες από μία τεχνικές/αλγόριθμοι. Στην συνέχεια ακολουθεί μία σύντομη περιγραφή του βασικού σχεδιασμού του συστήματος αλλά και των διαφόρων σταδίων επεξεργασίας στα οποία διαχωρίζεται κατά την διαδικασία ανάπτυξής του. 5.2 Στάδια επεξεργασίας / Βασικά βήματα Για την ομαλή μελέτη και ανάπτυξη του συστήματος, το διαχωρίσαμε σε διάφορα αυτοτελή στάδια/βήματα υλοποίησης. Το κάθε στάδιο/βήμα αποτελεί «κρίκο» στην αλυσίδα της ανάπτυξης του συστήματος. Για το λόγω αυτό, δόθηκε ιδιαίτερη έμφαση στα παραγόμενα αποτελέσματα. Μετά την ολοκλήρωση κάθε σταδίου/βήματος μελετήθηκαν τα παραγόμενα αποτελέσματα του, έτσι ώστε να εξακριβωθεί η ανάγκη βελτίωσης της υλοποίησης του. Ο διαχωρισμός των βημάτων έγινε με βάση την υπάρχουσα σειρά πανομοιότυπων μελετών που έγιναν στο παρελθόν αλλά και τις ανάγκες που παρουσίαζε το σύστημα σε κάθε στάδιο. Σελ. 69

70 Σχήμα 5.1 : Τα διάφορα στάδια υλοποίησης για την ομαλή μελέτη και ανάπτυξη του συστήματος λήψης, επεξεργασίας και ανάλυσης ιστοπαθολογικών εικόνων μικροσκοπίας για την ταξινόμησή τους σε κατηγορίες διαφορετικής κακοήθειας. Βιοψίες Αντικειμενοφόρες πλάκες Ψηφιοποίηση Επεξεργασία Ψηφιακής εικόνας Εξαγωγή Χαρακτηριστικών Αναγνώριση προτύπων Διάγνωση: Επίπεδο «grade» Ι ή ΙΙ ή ΙΙΙ ενδομητριακού καρκίνου Ο διαχωρισμός των σταδίων/βημάτων έγινε σε τέσσερις μεγάλους τομείς και σε αυτούς περιλαμβάνονται: Ψηφιοποίηση Ψηφιοποίηση ονομάζουμε την διαδικασία μετατροπής στοιχείων εικόνας, κειμένου, αντικειμένου ή σήματος από αναλογική σε ψηφιακή μορφή[62]. Στην παρούσα εργασία ψηφιοποιήθηκε η πληροφορία που φέρουν οι βιοψίες σε ψηφιακές εικόνες. Σκοπός της ψηφιοποίησης τους είναι η εισαγωγή της πληροφορίας μέσω ψηφιακών εικόνων στον υπολογιστή για επεξεργασία και αποθήκευση. Η πληροφορία που φέρουν οι βιοψίες δεν είναι ορατή με γυμνό μάτι ή το φακό μιας κάμερας. Απαιτείται ειδική προεργασία για την προβολή τους κάνοντας χρήση οπτικού μικροσκόπιου. Κατά την παρατήρηση τους στο οπτικό μικροσκόπιο, το δείγμα των ιστών μεγεθύνεται τόσο, όσο να γίνονται ορατή οι πυρήνες και οι δομές τους. Το δείγμα της κάθε βιοψίας βρίσκεται τοποθετημένο σε μία αντικειμενοφόρο πλάκα. Με βάση αυτή έγινε η διάγνωση του ενδομητριακού καρκίνου στον ασθενή. Ιδιαίτερη προσοχή δόθηκε στις περιοχές ενδιαφέροντος, που έχει Σελ. 70

71 επισημάνει ο ιστοπαθολόγος στις βιοψίες. Για τον εντοπισμό τους, παρατηρήθηκαν στο οπτικό μικροσκόπιο με την χρήση 20 και 40 αντικειμενοφόρου φακού. Η φωτογραφική λήψη τους έγινε με την χρήση κάμερας που ήταν ενσωματωμένη στο οπτικό μικροσκόπιο. Κατά την διαδικασία της ψηφιοποίησης, για κάθε βιοψία λήφθηκαν ψηφιακές εικόνες με την μεγέθυνση 20 και 40 αντικειμενοφόρο φακού. Πριν από την φωτογραφική κάλυψη κάθε περιοχής ενδιαφέροντος ρυθμιζόταν η καλύτερη προβολή της στο οπτικό μικροσκόπιο. Με τον τρόπο αυτό λήφθηκαν ευδιάκριτες ψηφιακές εικόνες με ευκρινή αποτύπωση των δομών του ιστού. Οι παραγόμενες ψηφιακές εικόνες έχουν διάσταση 1728x1296 εικονοστοιχεία. Η ανάλυση τους είναι 300 εικονοστοιχείο ανά ίντσα (pixel per inch) και το χρωματικό τους βάθος 24 bits. Αποθηκεύονται σε αρχείο τύπου εικόνας «TIFF», δηλαδή η πληροφορία τους δεν έχει υποστεί κανένα είδος συμπίεσης. Έτσι παρέχουν υψηλή ανάλυση και άριστη ποιότητα. Εικόνα 5.1 : Η διαδικασία ψηφιοποίησης του δείγματος των αντικειμενοφόρων πλακών με την βοήθεια του οπτικού μικροσκοπίου και ενσωματωμένης κάμερας Επεξεργασία ψηφιακής εικόνας Στο στάδιο της επεξεργασίας των ψηφιακών εικόνων διαχωρίζουμε την σημαντική πληροφορία από το θόρυβο που υπάρχει στην ψηφιακή εικόνα. Σημαντική πληροφορία ή περιοχή ενδιαφέροντος είναι οι πυρήνες. Η υπόλοιπη πληροφορία όπως φυσιολογικοί πυρήνες και άλλες δομές, αποτελεί θόρυβο, αφού επηρεάζει αρνητικά το τελικό αποτέλεσμα του συστήματος. Σε αυτό το στάδιο χρησιμοποιούνται τεχνικές τμηματοποίησης ψηφιακών εικόνων με σκοπό την απομόνωση της πληροφορίας που φέρει ο κάθε κυτταρικός πυρήνας ξεχωριστά. Οι ψηφιακές εικόνες επεξεργάζονται σε μορφολογικό επίπεδο με βάση την «αντιπροσωπευτική» τους δυαδική εικόνα. Για τον εντοπισμό της χρησιμοποιήθηκαν διάφορες τεχνικές που περιγράφονται στα επόμενα κεφάλαια. Μετά την εφαρμογή της μορφολογικής επεξεργασίας στην δυαδική εικόνα γίνεται χαρτογράφηση των κυτταρικών πυρήνων που εντοπίζονται σε αυτή. Με βάση τις περιοχές που οριοθετούνται οι κυτταρικοί πυρήνες, συλλέγεται η έκταση τους από την δυαδική εικόνα κάνοντας χρήση παραθύρων «windows». Σκοπός αυτής Σελ. 71

72 της επεξεργασίας είναι ο αρχικός εντοπισμός των περιοχών που οριοθετούνται οι κυτταρικοί πυρήνες στην κάθε ψηφιακή ιστοπαθολογική εικόνα. Σχήμα 5.2 : Στάδια επεξεργασίας ψηφιακής ιστοπαθολογικής εικόνας. Εντοπισμός και τμηματοποίηση περιοχής ενδιαφέροντος (κυτταρικούς πυρήνες). Αρχική ιστοπαθολογική εικόνα Ανίχνευση κυτταρικών πυρήνων Βελτίωση / διαχωρισμός κυτταρικών πυρήνων Τμηματοποίηση κυτταρικών πυρήνων Διαγραφή ακατάλληλων κυτταρικών πυρήνων Δημιουργία προφίλ κάθε κυτταρικού πυρήνα με τις πληροφορίες του Δυαδική εικόνα Ειδικά τροποποιημένη έγχρ. εικόνα Τα παραγόμενα αποτελέσματα με τα δυαδικά παράθυρα των κυτταρικών πυρήνων βελτιώνονται διαδοχικά με ειδικούς αλγόριθμους που εφαρμόστηκαν για καλύτερο εντοπισμό του σχήματος τους. Σε αρκετές περιπτώσεις οι περιοχές που εντοπίζονταν, έκρυβαν δύο οι περισσότερους προσκολλημένους κυτταρικούς πυρήνες. Για αυτό το λόγο η εντοπισμένη περιοχή με την έκτασης και το σχήμα κάθε κυτταρικού πυρήνα επεξεργάστηκε από τρίτους αλγόριθμους. Αρχικά εντοπίζονται τα μεγάλα δυαδικά παράθυρα κυτταρικών πυρήνων με ακανόνιστο Σελ. 72

73 σχήμα. Στην συνέχεια εφαρμόζονται τεχνικές που τα διαχωρίζουν, όταν κρίνεται απαραίτητο σε δύο ή περισσότερους κυτταρικούς πυρήνες και τους αποθηκεύουν σε διαφορετικά παράθυρα. Στο τελικό στάδιο της ψηφιακής επεξεργασίας, γίνεται μία τελική επεξεργασία με μορφολογικές τεχνικές, όσο αφορά την βελτίωση του σχήματος του κάθε κυτταρικού πυρήνα. Έτσι δημιουργείται η καλύτερη δυνατή προσέγγιση του κάθε κυτταρικού πυρήνα με βάση την αρχική ψηφιακή ιστοπαθολογική εικόνα. Τέλος διαγράφονται οι ακατάλληλοι πυρήνες με βάση τις παραμέτρους καταλληλότητας που προεπιλέγει ο κάθε χρήστης. Για κάθε κυτταρικό πυρήνα που παραμένει δημιουργείται προφίλ στο οποίο αποθηκεύονται οι διάφορες πληροφορίες του. Η σημαντικότερη πληροφορία που αποθηκεύεται για κάθε κυτταρικό πυρήνα είναι μία ειδικά τροποποιημένη ψηφιακή μονοχρωματική εικόνα στην οποία βρίσκεται αποθηκευμένη αποκλειστικά η πληροφορία του κάθε κυτταρικού πυρήνα. Για την δημιουργία αυτής της εικόνας, συλλέγεται η πληροφορία που φέρει ο κάθε κυτταρικός πυρήνας από την μονοχρωματική ιστοπαθολογική εικόνα με την βοήθεια του δυαδικού παραθύρου εντοπισμού του και αποθηκεύεται σε ένα μαύρο φόντο. Για σκοπούς προβολής αναδιοργανώνεται εκ νέου μία γενική ειδικά τροποποιημένη έγχρωμη ψηφιακή εικόνα, με την πληροφορία όλων των κυτταρικών πυρήνων που εντοπίστηκαν σε μαύρο φόντο. Η ίδια εικόνα αναπαριστάται σε δυαδική μορφή για το καλύτερο εντοπισμό των πιθανών διαχωρισμών που έγιναν σε γειτονικούς κυτταρικούς πυρήνες Εξαγωγή χαρακτηριστικών Η ψηφιακή εικόνα ανάλογα με περιεχόμενο της, αντιπροσωπεύεται από διαφορετικά χαρακτηριστικά υφής. Επίσης η δυαδική εικόνα ανάλογα με τα αντικείμενα που απεικονίζει αντιπροσωπεύεται από διαφορετικά μορφολογικά χαρακτηριστικά. Συνδυάζοντας τις εικόνες που αντιπροσωπεύουν τον κάθε κυτταρικό πυρήνα που εντοπίστηκε στην ψηφιακή ιστοπαθολογική εικόνα μπορούμε να υπολογίσουμε τα αντιπροσωπευτικά χαρακτηριστικά της. Με την χρήση της τροποποιημένης μονοχρωματικά ψηφιακής εικόνας του κάθε κυτταρικού πυρήνα έγινε εξαγωγή των χαρακτηριστικών υφής του και με την χρήση της δυαδικής εικόνας του, έγινε εξαγωγή των μορφολογικών χαρακτηριστικών του. Τα χαρακτηριστικά υφής και τα μορφολογικά χαρακτηριστικά που εξάχθηκαν για κάθε κυτταρικό πυρήνα περιγράφονται στο σχετικό κεφάλαιο και στο σύνολο τους είναι 24. Κατά την διαδικασία της εξαγωγής των χαρακτηριστικών του κάθε κυτταρικού πυρήνα, αποθηκεύονται σε μορφή διανύσματος 24 συνιστωσών στο αντίστοιχο προφίλ του. Τελικά τα χαρακτηριστικά μιας εικόνας είναι η μέση τιμή των χαρακτηριστικών από τους πυρήνες που τμηματοποιήθηκαν. Το σύνολο των χαρακτηριστικών κάθε ιστοπαθολογικής εικόνας ονομάζουμε πρότυπα, και είναι η πληροφορία της εικόνας που χρησιμοποιήθηκε στα επόμενα στάδια/βήματα. Σελ. 73

74 Σχήμα 5.3 : Η διαδικασία εξαγωγής χαρακτηριστικών κάθε κυτταρικού πυρήνα και τελικά της κάθε ιστοπαθολογικής εικόνας. Προφίλ κυτταρικού πυρήνα Εικόνες: Δυαδική Τροπο. Μονοχρωμα. Μορφολογικά Χαρακτηριστικά Χαρακτηριστικά Υφής Χαρακτηριστικά κυτταρικού πυρήνα Εμπλουτισμός κάθε προφίλ πυρήνα με τα χαρακτηριστικά Εφαρμογή για όλους του κυτταρικούς πυρήνες της ιστοπαθολογικής εικόνας Εξαγωγή χαρακτηριστικών ιστοπαθολογικής εικόνας Δημιουργία προφίλ ιστοπαθολογικής εικόνας Αναγνώριση προτύπων Αποτελεί το τελευταίο και μεγαλύτερο βήμα/στάδιο στην πορεία υλοποίησης του συστήματος. Είναι το πιο σημαντικό και προαπαιτεί την μεγαλύτερη μελέτη. Σε αυτό το στάδιο γίνεται έλεγχος της καταλληλότητας των δεδομένων που παράχθηκαν από τα προηγούμενα στάδια. Με βάση τα δεδομένα αυτά, επίσης γίνεται η εύρεση του καλύτερου συνδυασμού αλγορίθμων και μεθόδων που θα χρησιμοποιηθούν. Αυτό γίνεται σε κάθε σύστημα ταξινόμησης γιατί τα διάφορα είδη δεδομένων διαφέρουν μεταξύ τους και παρουσιάζουν καλύτερα αποτελέσματα με συγκεκριμένες μεθόδους εφαρμογής. Το διάνυσμα με τα 24 χαρακτηριστικά που έχει δημιουργηθεί για κάθε ιστοπαθολογική εικόνα αποτελεί το αντιπροσωπευτικό της πρότυπο. Η δημιουργία των δεδομένων ταξινόμησης γίνεται από τα πρότυπα των ιστοπαθολογικών εικόνων του κάθε ασθενή. Αρχικά διαχωρίζονται ανάλογα με τα δύο προβλήματα ταξινόμησης και ομαδοποιούνται σε κλάσεις/κατηγορίες ανάλογα με το στάδιο του καρκίνου. Ακολούθως δημιουργείται και το σύνολο εκπαίδευσης για την εκπαίδευση των ταξινομητών. Σελ. 74

75 Για τον έλεγχο της καταλληλότητας των δεδομένων τα αξιολογούμε με βάση την διαχωριστική τους ικανότητα. Η αξιολόγηση τους μπορεί να επιδεχθεί με την χρήση αλγορίθμων ταξινόμησης ή με την χρήση στατιστικών ελέγχων. Η επιλογή του καλύτερου συνδυασμού σε χαρακτηριστικά είναι ένα από τα σημαντικότερα προβλήματα που επιλύνονται. Ανάλογα με το πρόβλημα ταξινόμησης που θέλουμε να μελετήσουμε χρησιμοποιούνται διάφορες μέθοδοι επαναληπτικής δειγματοληψίας, στους επιλεγμένους ταξινομητές. Οι απόδοση του κάθε ταξινομητή καταγράφεται και συγκρίνεται με τους υπόλοιπους ταξινομητές. Για την επίτευξη αυτού του σκοπού υπολογίζονται κοινά κριτήρια αξιολόγησης σε κάθε ταξινομητή με την εφαρμογή του δείγματος των προτύπων που δημιουργήθηκε. Οι αλγόριθμοι ταξινόμησης που χρησιμοποιούνται και τα κριτήρια αξιολόγησης τους περιγράφονται αναλυτικά στο σχετικό κεφάλαιο. Σχήμα 5.4 : Στάδια υλοποίησης στην αναγνώριση προτύπων για το σχεδιασμό του συστήματος ταξινόμησης. Δημιουργία Κλάσεων / συνόλου εκπαίδευσης με πρότυπα Επιλογή χαρακτηριστικών Εκπαίδευση ταξινομητών Σύστημα ταξινόμησης Άγνωστο πρότυπο Ταξινόμηση Αξιολόγηση Απώτερος σκοπός σε αυτό το στάδιο είναι η βελτιστοποίηση της απόδοσης των ταξινομητών. Η βελτίωση της απόδοσης των ταξινομητών επιτυγχάνεται με την επιλογή του βέλτιστου συνδυασμού χαρακτηριστικών αλλά και μέσα από την εκπαίδευση του κάθε ταξινομητή. Πέρα από την επιλογή του καλύτερου ταξινομητή τα δεδομένα δοκιμάστηκαν προς ταξινόμηση μέσα από ένα ενιαίο σύστημα ταξινόμησης. Με το ενιαίο σύστημα αλγορίθμων ταξινόμησης είναι πιθανή ή αύξηση της απόδοσης της ταξινόμησης του δείγματος. Η χρήση των αποτελεσμάτων όλων των ταξινομητών και ο συνδυασμός τους με Σελ. 75

76 συγκεκριμένους κανόνες απόφασης αυξάνει το ενδεχόμενο της πιθανής αύξησης του ποσοστού ορθής ταξινόμησης των προτύπων του δείγματος. Κατά τον τρόπο αυτό αναμένουμε την υλοποίηση ενός συστήματος υποβοήθησης απόφασης για την διάγνωση του επιπέδου «grade Ι,ΙΙ,ΙΙΙ» του ενδομητριακού καρκίνου, ώστε να βελτιστοποιηθεί η θεραπευτική αντιμετώπιση των ασθενών. Πέρα από αυτό προτείνεται η υλοποίηση ενός συστήματος υποβοήθησης απόφασης για την διάγνωση του ενδομητριακού καρκίνου μεταξύ υψηλής και χαμηλής κακοήθειας. 5.3 Δείγμα Στην παρούσα διπλωματική εργασία ψηφιοποιήθηκαν και χρησιμοποιήθηκαν δεκαεπτά διαφορετικές βιοψίες ασθενών ενδομητριακού καρκίνου. Αφορά εξολοκλήρου γυναίκες ηλικίας 35 χρονών και άνω. Η διαδικασία λήψης βιοψιών και διάγνωσης τους έγινε από έμπειρο ιστοπαθολόγο στο πανεπιστημιακό νοσοκομείο Πάτρας. Αναλυτικότερα με βάση την γνωμάτευση του έμπειρου ιστοπαθολόγου, τέσσερα από τα περιστατικά των βιοψιών αφορούσαν ενδομητριακό καρκίνο επιπέδου «grade Ι», εννέα από τα περιστατικά των βιοψιών αφορούσαν ενδομητριακό καρκίνο επιπέδου «grade ΙΙ» και τέσσερα από τα περιστατικά των βιοψιών αφορούσαν ενδομητριακό καρκίνο επιπέδου «grade ΙΙΙ». Πίνακας 5.1 : Στατιστικά στοιχεία του δείγματος που χρησιμοποιήθηκε για την υλοποίηση του συστήματος λήψης, επεξεργασίας και ανάλυσης εικόνων μικροσκοπίας για την ταξινόμησή τους στα 3 α επίπεδα του ενδομητριακού καρκίνου. Στο σχετικό πίνακα παρουσιάζεται ο προτεινόμενος διαχωρισμός του δείγματος για επίλυση του προβλήματος ταξινόμησης μεταξύ υψηλής και χαμηλής κακοήθειας ενδομητριακού καρκίνου. Ταξινόμηση μεταξύ τριών σταδίων ενδομητριακού καρκίνου Δείγμα Ταξινόμηση μεταξύ χαμηλής ή υψηλής κακοήθειας Δείγμα Κατηγορίες / κλάσεις Βιοψίες Ψηφιακές Ιστοπαθολογικές εικόνες Ψηφιακές Ιστοπαθολογικές εικόνες Κατηγορίες / Κλάσεις Ενδομητριακός καρκίνος Ι Χαμηλή κακοήθεια Ενδομητριακός καρκίνος ΙΙ 9 59 Ενδομητριακός καρκίνος ΙΙΙ Υψηλή κακοήθεια Ανάλογα με την έκταση του δείγματος της κάθε βιοψίας και των αριθμό των «περιοχών ενδιαφέροντος» της, λήφθηκε και αντίστοιχος αριθμός ψηφιακών ιστοπαθολογικών εικόνων. Στο ενδομητριακό καρκίνο επιπέδου «grade» Ι έγινε λήψη σε τριάντα ψηφιακές ιστοπαθολογικές εικόνες, στο ενδομητριακό καρκίνο επιπέδου «grade» ΙΙ έγινε λήψη σε πενήντα εννέα ψηφιακές ιστοπαθολογικές Σελ. 76

77 εικόνες και στο ενδομητριακό καρκίνο επιπέδου «grade» ΙΙΙ έγινε λήψη σε εικοσιοκτώ ψηφιακές ιστοπαθολογικές εικόνες. Με το δείγμα που δημιουργήσαμε από την ψηφιοποίηση των προηγούμενων βιοψιών, για τα διαφορετικά επίπεδα του ενδομητριακού καρκίνου μπορεί να επιλυθεί και το πρόβλημα της υποψήφιας ταξινόμησης μεταξύ υψηλής ή χαμηλής ενδομητριακής κακοήθειας. Με τον εκ νέου διαχωρισμό του είδη υπάρχων δείγματος μπορούν να δημιουργηθούν οι δύο κλάσεις υψηλής και χαμηλής κακοήθειας. Τα περιστατικά ενδομητριακού καρκίνου επιπέδου Ι αφορούν και περιστατικά χαμηλής κακοήθειας. Ομοίως τα περιστατικά του ενδομητριακού καρκίνου επιπέδου ΙΙ και ΙΙΙ αφορούν τα περιστατικά υψηλής κακοήθειας. Στην περίπτωση αυτού του διαχωρισμού το δείγμα χωρίζεται σε τριάντα ψηφιακές ιστοπαθολογικές εικόνες ενδομητριακού καρκίνου χαμηλής κακοήθειας και ογδόντα επτά ψηφιακές εικόνες ενδομητριακού καρκίνου υψηλής κακοήθειας. Η υλοποίηση ολοκληρωμένου συστήματος ταξινόμησης, για τον διαχωρισμό προτύπων μεταξύ υψηλής και χαμηλής κακοήθειας ενδομητριακού καρκίνου δεν μελετήθηκε στην παρούσα διπλωματική εργασία, αλλά προτείνονται διάφοροι τρόποι υλοποίησης του. Σελ. 77

78 Σελ. 78

79 ΚΕΦΑΛΑΙΟ 6 - ΕΠΕΞΕΡΓΑΣΙΑ ΨΗΦΙΑΚΗΣ ΕΙΚΟΝΑΣ 6.1 Εισαγωγή Η επεξεργασία της ψηφιακής εικόνας μέσα από την πληθώρα των τεχνικών και των μεθόδων που εφαρμόζονται έχει επιφέρει πολύ μεγάλα αποτελέσματα τόσο στην βελτίωση της εικόνας οπτικά όσο και στην μεμονωμένη επεξεργασία της ανάλογα με την περιοχή ενδιαφέροντος μας. Πολλές τεχνικές που εφαρμόζονταν παραδοσιακά στην κλασσική φωτογραφία όπως φίλτρα και περιοχές εστίασης από την φωτογραφική μηχανή, τώρα εφαρμόζονται εύκολα και γρήγορα στην ψηφιακή εικόνα μέσω τεχνικών στον ηλεκτρονικό υπολογιστή. Ένα από τα μεγαλύτερα προτερήματα της επεξεργασίας ψηφιακής εικόνας στον ηλεκτρονικό υπολογιστή είναι ότι μπορούμε να την επεξεργαστούμε και να την αντιγράψουμε όσες φορές επιθυμούμε χωρίς να αλλοιώνουμε την αρχική εικόνα. Στην παρούσα εργασία εφαρμόσαμε διάφορες τεχνικές επεξεργασίας της ιατρικής εικόνας, με σκοπό την απομόνωση της περιοχής ενδιαφέροντος. Περιοχή ενδιαφέροντος στη παρούσα εργασία χαρακτηρίζουμε τους κυτταρικούς πυρήνες. Επιγραμματικά, πρέπει να ανιχνεύσουμε που υπάρχουν κακοήθης πυρήνες, μετά να εντοπίσουμε το σχήμα τους και στο τέλος να κρατήσουμε μόνο την περιοχή που τους οριοθετούν αφαιρώντας την υπόλοιπη πληροφορία από την ψηφιακή εικόνα. Για την υλοποίηση των πιο πάνω διεργασιών εφαρμόσαμε τις ακόλουθες τεχνικές. 6.2 Μερικός αποχρωματισμός[41, 46] Είναι μία εξαιρετικά χρήσιμη τεχνική αφαίρεσης συγκεκριμένων περιοχών μήκους κύματος από τα χρώματα του ορατού φάσματος της ψηφιακής εικόνας. Στην ιατρική εικόνα όπως παρατηρήθηκε οι κυτταρικοί πυρήνες που αναγνωριζόταν ο καρκίνος έφεραν χρώμα μεταξύ ερυθρό, πορτοκαλί και κίτρινο. Άρα η χρήσιμη πληροφορία βρίσκεται σε αυτά τα χρωματικά μήκη της εικόνας. Οι κυτταρικοί πυρήνες και άλλες μορφές που δεν αναγνωριζόταν ο καρκίνος έφεραν χρώματα μεταξύ πράσινο, κυανό και ιώδες. Η πληροφορία της ψηφιακής ιατρικής εικόνας είναι σε μορφή TIFF[54] και υποστηρίζει το χρωματικό μοντέλο «RGB»[63]. Βρίσκεται αποθηκευμένη στα 3 επίπεδα του χρωματικού μοντέλου, το επίπεδο «R» ή αλλιώς κόκκινο, το επίπεδο «G» ή αλλιώς πράσινο και το επίπεδο «B» ή αλλιώς μπλε. Τα τρία αυτά επίπεδα αναπαριστούνται σε μορφή δυσδιάστατων πινάκων που στα κελία τους περιέχουν τιμές φωτεινότητας. Με τον συνδυασμό των τιμών, των τριών αυτών πινάκων από τα διαφορετικά επίπεδα της εικόνας, εμφανίζονται συγκεκριμένες αποχρώσεις από το ορατό φάσμα σε αυτή. Σκοπός είναι να βρούμε συγκεκριμένους συντελεστές μέσα από τους οποίους πολλαπλασιάζοντας τα τρία επίπεδα της ψηφιακής εικόνας να μας αφήνουν το χρωματικό βάθος που μας ενδιαφέρει. Με έναν αλγόριθμο απόφασης ελέγχουμε αν είμαστε μέσα στα χρωματικά όρια που μας ενδιαφέρουν και κρατάμε την πληροφορία από τα τρία επίπεδα αλλιώς, βάζουμε χρώμα λευκό και στα τρία επίπεδα διαγράφοντας την επιπλέον πληροφορία από την εικόνα που αποτελεί θόρυβο. = IR x FR + IG x FG + IB x FB Σελ. 79

80 όπου FR, FG και FB οι συντελεστές με τους οποίους πολλαπλασιάζουμε το κάθε εικονοστοιχείο της εικόνας μας. Εικόνα 6.1 : Α. Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας. Β. Ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας μετά από την χρήση της τεχνικής του μερικού αποχρωματισμού. Α Β Σελ. 80

81 6.3 Μετατροπή της έγχρωμης ψηφιακής εικόνας σε μονοχρωματική[44, 46] Μία από της βασικότερες διαφορές της μονοχρωματικής ψηφιακής εικόνας ή διαφορετικά «αποχρώσεων του γκρι», από την έγχρωμη ψηφιακή εικόνα είναι ο τρόπος αποθήκευσης των τιμών φωτεινότητας τους. Η πληροφορία των τιμών φωτεινότητας της μονοχρωματικής εικόνας βρίσκεται αποθηκευμένη σε ένα δυσδιάστατο πίνακα, ενώ της έγχρωμης εικόνας σε ένα πίνακα τριών διαστάσεων. Η μετατροπή της έγχρωμης ψηφιακής εικόνας σε ψηφιακή μονοχρωματική εικόνα επιφέρει περισσότερη ευκολία επεξεργασίας, λόγο της απλούστερης της μορφής αλλά και μία γκάμα από πλήθος μεθόδων επεξεργασίας. Για να μπορέσουμε να μετατρέψουμε μία εικόνα από έγχρωμη σε μονοχρωματική εφαρμόζουμε διάφορες τεχνικές «συμπίεσης» των τριών επιπέδων φωτεινότητας της σε ένα. Η βασικότερη αρχή της μετατροπής αυτής, είναι ότι πρέπει να μεταφέρουμε την πληροφορία της έγχρωμης εικόνας που βρίσκετε αποθηκευμένη σε ένα τρισδιάστατο πίνακα (τρείς συνιστώσες), σε ένα δισδιάστατο πίνακα (μία συνιστώσα) χωρίς να έχουμε μεγάλη αλλοίωση στις δομές και τα μορφολογικά χαρακτηριστικά της εικόνας. Υπάρχουν διάφορες μέθοδοι και τεχνικές για την επίλυση του παραπάνω προβλήματος, από τις οποίες οι περισσότερες από αυτές είναι πανομοιότυπες και βασίζονται στην εξής φιλοσοφία: Στην έγχρωμη ψηφιακή εικόνα η πληροφορία βρίσκεται αποθηκευμένη στα τρία επίπεδα χρωμάτων της δηλαδή: = IR x IG x IB Και στα τρία επίπεδα της εικόνας το χρωματικό βάθος της, βρίσκεται σε προκαθορισμένη κλίμακα χρωμάτων, από το 0 μέχρι και χρώματα. Μία έγχρωμη ψηφιακή εικόνα χρωματικού βάθους 8 bits, κάθε επίπεδο της έχει τιμές [0-255] και για την αποθήκευση της απαιτούνται 24bits. Μία μονοχρωματική ψηφιακή εικόνα με χρωματικό βάθος 8 bits, στο ένα επίπεδο της επίσης έχει τιμές στο διάστημα [0-255]. Όπως καταλαβαίνουμε υπάρχει μία σχέση μεταξύ των δύο τύπων εικόνων. Πολλαπλασιάζοντας το κάθε επίπεδο της έγχρωμης εικόνας με ένα συγκεκριμένο συντελεστή, μπορούμε να μετατρέψουμε την πληροφορία από τα τρία επίπεδα σε πληροφορία ενός επιπέδου. Απαραίτητη συνθήκη όμως για αυτή την υλοποίηση είναι στο σύνολο τους και οι τρείς συντελεστές πολλαπλασιασμού των τριών επιπέδων να αθροίζουν στην μονάδα,. Στο επίπεδο του χρωματικού μοντέλου «RGB» που θέλουμε να δώσουμε περισσότερη βαρύτητα απλά το πολλαπλασιάζουμε με μεγαλύτερο συντελεστή. Δηλαδή: = IR x FR + IG x FG + IB x FB όπου FR + FG + FB=1 Για παράδειγμα έχουμε τους συντελεστές, FR =0.3, FG =0.5 και FB =0.2. Όπως μπορούμε να υπολογίσουμε το άθροισμα τους είναι μονάδα. Πολλαπλασιάζοντας τους συντελεστές με τα τρία επίπεδα χρωμάτων, του εικονοστοιχείου μίας έγχρωμής ψηφιακής εικόνας μπορούμε να βρούμε σε πια τιμή αντιστοιχεί στο επίπεδο μία μονοχρωματικής ψηφιακής εικόνας. Δηλαδή: = = 1.. Σελ. 81

82 Εικόνα 6.2 : Α. Έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας.β. Αποτέλεσμα εφαρμογής τεχνικών μετατροπής έγχρωμης ψηφιακής εικόνας σε μονοχρωματική ψηφιακή εικόνα Α Β Σελ. 82

83 6.4 Περιορισμένη αντίθεση προσαρμοσμένης εξισορρόπησης ιστογράμματος[7, 64, 65] Η μέθοδος «Contrast Limited Adaptative Histogram Equalization (CLAHE)» είναι μια πολύ καλή περίπτωση εφαρμογής της τεχνικής εξισορρόπησης ιστογράμματος. Η τεχνική της εξισορρόπησης ιστογράμματος «histogram equalization» μετασχηματίζει τις γκρι φωτεινότητες μιας εικόνας έτσι ώστε αυτές να κατανέμονται ομοιόμορφα σ όλη την κλίμακα φωτεινότητας. Η εικόνα που προκύπτει με τον τρόπο αυτό είναι αυξημένης αντίθεσης σε σχέση με την αρχική. Η μέθοδος CLAHE εφαρμόζεται πάνω στην εικόνα για να την βελτιώσουμε. Η εφαρμογή της μεθόδου αυτής ξεχωριστά σε κάθε τμηματοποιημένη περιοχή (υπο-περιοχή) της εικόνας μεγιστοποιεί την αντίθεση της αφού η αντίθεση προσαρμόζεται στην κάθε περιοχή που επεξεργαζόμαστε με βάση την αντίθεση των γειτονικών περιοχών ενδιαφέροντος της εικόνας. Ο βασικός τρόπος εκτέλεσης της μεθόδου είναι: Η εικόνα μας χωρίζεται σε μικρότερες ίσες υποπεριοχές NxN διαστάσεων (παράθυρα ROIS), όπου η κάθε μία είναι ξεχωριστή και δεν επικαλύπτεται από κάποια άλλη. Στην συνέχεια εκτελείται: Υπολογισμός συνάρτησης μετασχηματισμού και κατωφλίου. Υπολογίζεται το ιστόγραμμα του κάθε παραθύρου της εικόνας και ο συνολικός αριθμός των ιστογραμμάτων που χρησιμοποιήθηκαν για την δημιουργία της συνάρτησης μετασχηματισμού της εικόνας (δυναμική κλίμακα). Καθορίζεται ένα κατώφλι όπου βάζει το όριο στο ιστόγραμμα της εικόνας μας. Αυτό το κατώφλι αντιπροσωπεύει την παράμετρο μέσα από την οποία η αντίθεση του κάθε παραθύρου θα μπορούσε να μεταβληθεί αποτελεσματικά. Δημιουργία χαρτογράφησης γκρι επιπέδων. Ανακατασκευάζεται το ιστόγραμμα του κάθε παραθύρου με βάση την δυναμική κλίμακα και κατωφλίωση, ώστε να μην ξεπερνά το κατώφλι που έχει οριστεί. Δημιουργία της χαρτογράφησης (συνάρτηση μετασχηματισμού) του παραθύρου. Όλα τα ιστογράμματα τροποποιούνται με βάση την συνάρτηση μετασχηματισμού: ( ) = ( ) όπου = είναι η συνάρτηση της πυκνότητας πιθανότητας της εικόνας, j η τιμή σε τόνο γκρι της εικόνας, n ο συνολικός αριθμός των εικονοστοιχείων της εικόνας και ο συνολικός αριθμός των εικονοστοιχείων στην εικόνα με την ίδια απόχρωση του γκρι. Παρεμβολή χαρτογράφησης γκρι επιπέδων με σκοπό την παραγωγή της τελικής εικόνας. Τα γειτονικά παράθυρα συνενώνονται χρησιμοποιώντας διγραμμική παρεμβολή και οι τιμές από τους τόνους του γκρι της εικόνας τροποποιούνται σύμφωνα με τη συνάρτηση χαρτογράφησης των διαμορφωμένων ιστογραμμάτων. Ο αλγόριθμος CLAHE φαίνεται είναι καλός για να ανασκευάσουμε μιας καλής ποιότητας εικόνα, άμεσα χρησιμοποιώντας το ιστόγραμμα της. Έτσι εξισώνει την κατανομή των γκρι τόνων της, με αποτέλεσμα να κάνει τα χαρακτηριστικά της πιο έντονα και πιο ορατά. Αποτέλεσμα της ανακατασκευής Σελ. 83

84 είναι ότι χρησιμοποιείται όλο το φάσμα του γκρι στην ψηφιακή εικόνα. Ο αλγόριθμος CLAHE αρχικά είχε κατασκευαστή για ιατρικές εικόνες και πλέον εφαρμόζεται με επιτυχία ενισχύοντας τις χαμηλής αντίθεσης εικόνες. Εικόνα 6.3 : Οι εικόνες Α, Γ και Ε είναι ψηφιακές μονοχρωματικές ιστοπαθολογικές εικόνες από οπτικό μικροσκόπιο με την χρήση 40 (Α, Ε) ή 20 (Γ) φακού και κάμερας. Έχουν παραχθεί από έγχρωμες ψηφιακές εικόνες, αποχρωματισμένες στο πράσινο, κυανό και ιώδες. Οι εικόνες Β, Δ και Ζ είναι αποτελέσματα μετά την εφαρμογή της τεχνικής «CLAHE». Στην εικόνα Ζ βλέπουμε ότι παρά το γεγονός ότι δεν έχουμε σαφή προσδιορισμό των κυτταρικών πυρήνων λόγω της όχι καλής χρώσης, παρουσιάζεται σημαντική βελτίωσης της μονοχρωματικής εικόνας «Ε» όσο αφορά την ένταση των γκρι τόνων των πυρήνων. Α B Σελ. 84

85 Γ Δ Σελ. 85

86 Ε Ζ Σελ. 86

87 6.5 Μετατροπή σε δυαδική εικόνα[44, 46] Η μετατροπή εικόνας αποχρώσεων του γκρι σε δυαδική γίνεται για να μπορέσουμε να επεξεργαστούμε την εικόνα εύκολα, γρήγορα και αποτελεσματικά σε μορφολογικό επίπεδο. Υπάρχουν πολύ τρόποι και τεχνικές μετατροπής της μιας εικόνας αποχρώσεων του γκρι σε δυαδική. Οι σημαντικές διαφορές που παρουσιάζονται στο αποτέλεσμα είναι αυτές που καθορίζουν στο αν μία μέθοδος θεωρείται περισσότερο αποτελεσματική από μία άλλη ανάλογα με την πληροφορία που θέλουμε να απομονώσουμε. Απώτερος σκοπός στην παρούσα εργασία είναι με κάποιο τρόπο να απομονώσουμε τις περιοχές που οριοθετούν τους κυτταρικούς πυρήνες, με βάση τις μονοχρωματικές εικόνες που δημιουργήθηκαν. Για το σκοπό αυτό δοκιμάστηκαν διάφορες τεχνικές όπως απλή κατωφλίωση, ακμές, δυναμική κατωφλίωση και άλλες τεχνικές. Κριτήριο για την επιλογή δεν αποτελούσε μόνο το αποτέλεσμα, αλλά και ο χρόνος που χρειάστηκε η κάθε μέθοδος για την εξαγωγή αποτελέσματος. Μετά από πολλές δοκιμές καταλήξαμε στο συμπέρασμα ότι ιδανικότερη τεχνική για μετατροπή της μονοχρωματικής εικόνας σε δυαδική είναι ο μετασχηματισμός τοπικών ελαχίστων με συγκεκριμένο κατώφλι «h». Εικόνα 6.4 : Διάφορες τεχνικές μετατροπής της μονοχρωματικής ψηφιακής εικόνας σε δυαδική εικόνα. Α. Αποτέλεσμα δυαδικής εικόνας μετά την εφαρμογής απλής κατωφλίωσης. Β. Αποτέλεσμα δυαδικής εικόνας μετά την εφαρμογή δυναμικής κατωφλίωσης. Γ Αποτέλεσμα δυαδικής εικόνας μετά την εφαρμογής μεθόδων εύρεσης των ακμών της εικόνας. Δ. Αποτέλεσμα δυαδικής εικόνας μετά την εφαρμογή μεθόδου κατωφλίωσης του Matlab «im2bw». Ε. Αποτέλεσμα δυαδικής εικόνας μετά την εφαρμογή του μετασχηματισμού τοπικών ελαχίστων με συγκεκριμένο κατώφλι «h». Ζ. Η εικόνα αποχρώσεων γκρι, πριν την εκτέλεση των διαφόρων μεθόδων. Α B Σελ. 87

88 Γ Δ Ε Ζ 6.6 Μετασχηματισμός τοπικών ελαχίστων με συγκεκριμένο κατώφλι «h» [46, 66, 67] Ο μετασχηματισμός τοπικών ελαχίστων «h-minima transform» με συγκεκριμένο κατώφλι «h» στην διαφορά των τόνων της γκρι κλίμακας εφαρμόστηκε στις εικόνες αποχρώσεων του γκρι για να παραχθούν οι δυαδικές εικόνες της κάθε ιστοπαθολογικής εικόνας. Επιγραμματικά η μέθοδος αυτή εντοπίζει όλα τα τοπικά ελάχιστα που έχει η εικόνα και που είναι μικρότερα από το κατώφλι που θέτουμε. Έχει ως είσοδο εικόνα αποχρώσεων γκρι και επιστρέφει μία δυαδική. Στην δυαδική εικόνα αναπαριστούνται τα τοπικά ελάχιστα της εικόνας με 1 και τα υπόλοιπα εικονοστοιχεία με 0. Χαρακτηριστικό αυτής της μεθόδου είναι ότι μπορούμε να βρούμε περιοχές στην εικόνα όπου η μεταβολή της έντασης είναι απότομη. Αυτό γίνεται γιατί δεν συγκρίνουμε ένα εικονοστοιχείο κάθε φορά, αλλά συγκρίνουμε ομάδα γειτονικών εικονοστοιχείων που είναι μεγαλύτερα ή μικρότερα από το επιθυμητό κατώφλι. Η τιμή σύγκρισης που εξετάζουμε στο κάθε εικονοστοιχείο είναι κατά πόσο αυτό είναι μικρότερο από την μέση τιμή της διαφοράς με τα γειτονικά του. Στην περίπτωση μας, ψάχνουμε να βρούμε τις μικρότερες περιοχές. Άρα αν αυτή η τιμή σύγκρισης είναι μικρότερη ή ίση από το κατώφλι, στην νέα δυαδική εικόνα που δημιουργείται η τιμή του αντίστοιχου εικονοστοιχείου παίρνει την τιμή ένα, διαφορετικά παίρνει την τιμή μηδέν. Σελ. 88

89 Σχήμα 6.1 : Παράδειγμα εφαρμογής του μετασχηματισμού τοπικών ελαχίστων «H-minima transform». με κατώφλι 2 στην μονοχρωματική εικόνα που αναπαριστάται από τον δυσδιάστατο πίνακα «Α» και το αποτέλεσμα η δυαδική εικόνα που αναπαριστάται από τον πίνακα «Β» Α Β Για να κατανοήσουμε πως λειτουργεί ο μετασχηματισμός ας δούμε το παράδειγμα της εικόνας 6.5. Εκεί εφαρμόζουμε τον μετασχηματισμό για κατώφλι h=2. Έστω ότι εξετάζουμε τι τιμή θα πάρει το εικονοστοιχείο(2,2). Αρχικά βρίσκουμε την μέση τιμή των γειτόνων του που φαίνονται με μπλε χρώμα. Τελικά κοιτάμε αν η διαφορά την τιμής του εικονοστοιχείου με την μέση τιμή των γειτόνων του είναι αρνητική με διαφορά 2 κλίμακες του γκρι ή περισσότερο. ώ ί = 7. 7 ί ά = ά = 7. 7 = Άρα ισχύει η συνθήκη και το εικονοστοιχείο στην αντίστοιχη θέση της παραγόμενης δυαδικής μας εικόνας χρωματίζεται με 1. Σελ. 89

90 Σύστημα αυτόματης διάγνωσης ιστοπαθολογικών εικόνων μικροσκοπίας Εικόνα 6.5 : Στα Α, Γ και Ε αναπαριστούνται οι ψηφιακές μονοχρωματικές ιστοπαθολογικές εικόνες από οπτικό μικροσκόπιο με την χρήση 40 (Α, Ε) ή 20 (Γ) φακού και κάμερας. Έχουν παραχθεί από έγχρωμες εικόνες, αποχρωματισμένες στο πράσινο, κυανό και ιώδες, όπου μετά την μετατροπή τους σε μονοχρωματικές εφαρμόστηκε η τεχνική «CLAHE». Στα Β, Δ και Ζ αναπαριστούνται τα αποτελέσματα μετά την εφαρμογή του «H-minima transform» μετασχηματισμού τοπικών ελαχίστων με κατώφλι «80». Στην εικόνα Ζ βλέπουμε ότι παρά το γεγονός ότι δεν έχουμε σαφή προσδιορισμό των κυτταρικών πυρήνων λόγω όχι καλής χρώσης παρουσιάζονται πολύ ικανοποιητικά οι πυρήνες με την χρήση της τεχνικής «H-minima transform». Α B Γ Δ Ε Ζ Σελ. 90

91 6.7 Μορφολογική Επεξεργασία[44, 46, 47, 67, 68] Στην μορφολογική επεξεργασία, χρησιμοποιούνται διάφορες τεχνικές, με σκοπό την επεξεργασία των διάφορων αντικειμένων που παρουσιάζονται σε μία εικόνα. Μορφολογική επεξεργασία εφαρμόζεται πιο συχνά στης δυαδικές εικόνες. Διεξάγεται εφαρμόζοντας λογικούς τελεστές στην δυαδική εικόνα με την χρήση δομικών στοιχείων Δομικό στοιχείο «structuring element», ονομάζουμε μία γεωμετρική συσχέτιση μεταξύ στιγμάτων σε ένα παράθυρο, που εφαρμόζεται σαν μάσκα. Σε μία δυαδική εικόνα οι μορφολογικές λειτουργίες ορίζονται από την μετακίνηση του δομικού στοιχείου πάνω από τα στίγματα της εικόνας, με τέτοιο τρόπο ώστε το παράθυρο του δομικού στοιχείου να κεντράρετε πάνω από κάθε ένα από αυτά. Ο τρόπος της μετακίνησης του, γίνεται σειρά προς σειρά, στήλη προς στήλη και για αυτό το ονομάζουμε κινητό παράθυρο. Σχήμα 6.2 : Δομικά στοιχεία που χρησιμοποιούνται στην δυαδική μορφολογική επεξεργασία. Α. Τετράγωνο «square» 80x80, B. Ρόμβος «diamond» 80x80, Γ. Δίσκος «disk» 80x80 Δ. Οκτάγωνο «octagon» 80x80. Στην συνέχεια αναφέρουμε γνωστές μορφολογικές λειτουργίες της δυαδικής επεξεργασίας αλλά και τεχνικές που χρησιμοποιήσαμε στην παρούσα διπλωματική εργασία Διεύρυνση δυαδικής εικόνας[44, 46, 67, 68] Η διεύρυνση «dilation» της δυαδικής εικόνας είναι γνωστή και με τον όρο «διαστολή» γιατί με αυτή την τεχνική αυξάνεται το μέγεθος των μαύρων αντικειμένων στην δυαδική εικόνα. Η διεύρυνση μπορεί να εκφραστεί : = ( ) όπου Α= Δυαδική εικόνα, Β= δομικό στοιχείο και Ζ= σύνολο σημείων της εικόνας. Σελ. 91

92 Με την διεύρυνση γίνεται διόγκωση των αντικειμένων της δυαδικής εικόνας προς τα έξω. Αν τα αντικείμενα της περιέχουν οπές στο εσωτερικό τους τότε και αυτές διογκώνονται προς το κέντρο τους. Ιδιότητες της διεύρυνσης είναι ότι αφαιρεί τις πολύ μικρού μεγέθους οπές από το αντικείμενο, αλλά και τα πολύ στενά κενά ή κόλπους. Σχήμα 6.3 : Διεύρυνση δυαδικής εικόνας με την χρήση δομικού στοιχείου τετραγώνου 10x10 εικονοστοιχείων. Α, Δ η δυαδική εικόνα στην οποία εφαρμόσαμε την διεύρυνση Β, Ε το δομικό στοιχείο τετράγωνο «square» 10x10, Γ, Ζ η παραγόμενη δυαδική εικόνα μετά την χρήση της τεχνικής. Α Γ Β Δ Ζ Ε Διάβρωση δυαδικής εικόνας[44, 46, 67, 68] Η διάβρωση «erosion» της δυαδικής εικόνας είναι γνωστή και με τον όρο «συστολή» γιατί με αυτή την τεχνική μειώνεται το μέγεθος των μαύρων αντικειμένων στην δυαδική εικόνα. Η διάβρωση μπορεί να εκφραστή: = ( ) όπου Α= Δυαδική εικόνα, Β= δομικό στοιχείο και Ζ= σύνολο σημείων της εικόνας. Με την διάβρωση, πέρα από το ότι μικραίνουν τα αντικείμενα στην δυαδική εικόνα που τα επεξεργαζόμαστε, σε περίπτωση που τα αντικείμενα περιέχουν οπές στο εσωτερικό τους τότε αυτές αυξάνονται. Ιδιότητα της διάβρωσης είναι να αφαιρεί αντικείμενα πολύ μικρού μεγέθους και τα πολύ στενά «ακρωτήρια» σε μία εικόνα. Σελ. 92

93 Σχήμα 6.4 : Διάβρωση δυαδικής εικόνας με την χρήση δομικού στοιχείου τετραγώνου 10x10 εικονοστοιχείων. Α, Δ η δυαδική εικόνα στην οποία εφαρμόσαμε την διάβρωση Β, Ε το δομικό στοιχείο τετράγωνο «square» 10x10, Γ, Ζ η παραγόμενη δυαδική εικόνα μετά την χρήση της τεχνικής. Α Γ Β Δ Ζ Ε Τελεστής Διάνοιξης[44, 46, 67, 68] Τελεστή διάνοιξης «openning» δυαδικής εικόνας Α ορίζουμε την διάβρωση ή αλλιώς «συστολή» της από το δομικό στοιχείο Β που ακολουθείται από μία διεύρυνση ή αλλιώς «διαστολή» της παραγόμενης εικόνας από το ίδιο δομικό στοιχείο Β. = ( ) Με την εφαρμογή αυτής της τεχνικής σε μία δυαδική εικόνα, τα αντικείμενα που περιέχει και συνδέονται μεταξύ τους με στενούς ισθμούς μικρότερους από την διάμετρο του δομικού στοιχείου που εφαρμόζουμε, απαλείφονται με αποτέλεσμα να διαχωρίζονται τα δύο αντικείμενα. Με τον ίδιο τρόπο σε περίπτωση ύπαρξης αντικειμένων όπως νησίδες με μικρότερη διάμετρο από την διάμετρο του δομικού στοιχείου επίσης απαλείφονται. Αντίθετα, τα αντικείμενα που έχουν μεγαλύτερη διάμετρο από αυτή του δομικού στοιχείου δεν υφίστανται ουσιώδεις μεταβολές. Σελ. 93

94 Σχήμα 6.5 : Παράδειγμα εφαρμογής τελεστή διάνοιξης «openning» στην δυαδική εικόνα Α με την χρήση δομικού στοιχείου Β, σε σχήμα δίσκου «disk» διαστάσεων 20x20 ή ακτίνας r=10 εικονοστοιχείων. Το αποτέλεσμα της παραγόμενης εικόνας παρουσιάζεται στην εικόνα Γ όπου μπορούμε να δούμε ξεκάθαρα τον σαφή διαχωρισμό του αρχικού αντικειμένου σε δύο αντικείμενα. Α Β Γ Τελεστής Πλήρωσης[44, 46, 67, 68] Τελεστή πλήρωσης «closing» μίας δυαδικής εικόνας Α ορίζουμε την διεύρυνση ή αλλιώς διαστολή της από το δομικό στοιχείο Β που ακολουθείται από μία διάβρωση ή αλλιώς «συστολή» της παραγόμενης εικόνας από το ίδιο δομικό στοιχείο Β. = ( ) Σχήμα 6.6 : Παράδειγμα εφαρμογής τελεστή πλήρωσης στην δυαδική εικόνα Α με την χρήση δομικού στοιχείου Β, σε σχήμα δίσκου «disk» διαστάσεων 20x20 ή ακτίνας r=10 εικονοστοιχείων. Το αποτέλεσμα της παραγόμενης εικόνας παρουσιάζεται στην εικόνα Γ. Α Β Γ Σελ. 94

95 Με την εφαρμογή αυτής της τεχνικής σε μια δυαδική εικόνα όπου τα αντικείμενα της περιέχουν κόλπους ή λιμάνια και έχουν μικρότερη διάμετρο από το δομικό στοιχείο Β, τότε γίνεται πλήρωση αυτών των αντικειμένων. Οι κόλποι που υπάρχουν στα αντικείμενα και έχουν διαστάσεις μεγαλύτερες από την διάμετρο του δομικού στοιχείου Β δεν υφίστανται καμία αλλαγή. Εικόνα 6.6 : Α και Δ Αρχικές δυαδικές εικόνας. Ι το δομικό στοιχείο που εφαρμόστηκε είναι σχήμα δίσκου «disk» διαστάσεων 6x6 ή ακτίνας r=3 εικονοστοιχείων. Β και Ε αποτελέσματα διεύρυνσης «dilation», Γ και Ζ αποτελέσματα διάβρωσης «erode». Θ αποτελέσματα διάνοιξης «open», E αποτελέσματα πλήρωσης «close». Α Β Γ Α Β Γ Δ Ε Ζ Δ Ε Ζ Η Η Θ Θ Ι Σελ. 95

96 6.7.5 Αφαίρεση μικρών αντικειμένων[44, 46, 67] Υπάρχουν πολλές τεχνικές αφαίρεσης μικρών αντικειμένων στις δυαδικές εικόνες μέσα από την μορφολογική επεξεργασία. Παράδειγμα αυτών η τεχνική διάνοιξης που αναφέρουμε πιο πάνω. Μία από τις τεχνικές αφαίρεσης μικρών αντικειμένων που χρησιμοποιήθηκε στην παρούσα εργασία είναι η «bwareaopen». Η συγκεκριμένη συνάρτηση είναι μία μικρή παραλλαγή του τελεστή διάνοιξης. Έχει δημιουργηθεί για χρήση στην εργαλειοθήκη της γλώσσας προγραμματισμού «Matlab» στον τομέα επεξεργασίας εικόνας. Αφαιρεί όλα τα συνδεδεμένα αντικείμενα της δυαδικής εικόνας, με βάση κατώφλι που ορίζουμε για συνολικό μέγεθος σε εικονοστοιχεία που έχει το καθένα. Η διαφορά της «bwareaopen» με την τεχνική τελεστή διάνοιξης, είναι ότι εδώ δεν προαπαιτείται η χρήση δομικού στοιχείου για την επεξεργασία της εικόνας. Απλά ορίζουμε ένα όριο για το συνολικό μέγεθος σε εικονοστοιχεία των αντικειμένων που επιτρέπονται στην παραγόμενη εικόνα. Αυτό λειτουργεί σαν κατώφλι και δεν επιτρέπει αντικείμενα μικρότερου μεγέθους από αυτό. Πέρα από το κατώφλι που δίνεται, αφαιρεί αντικείμενα που είναι συνδεδεμένα με ένα προκαθορισμένο αριθμό γειτονικών αντικειμένων. Άρα στην ουσία η απόφαση για το αν ένα αντικείμενο θα παραμείνει ή θα αφαιρεθεί από την εικόνα κρίνεται από το μέγεθος του και τον αριθμό των συνδεμένων γειτονικών αντικειμένων που έχει. Εικόνα 6.7 : Εικόνα Α η δυαδική εικόνα που παράγαμε με την τεχνική «H-minima transform» που έχουμε προαναφέραμε σε προηγούμενες παραγράφους. Με λευκό χρώμα διακρίνονται οι κυτταρικοί πυρήνες και το κυτταρόπλασμα που παρουσιάζεται σαν θόρυβος στην εικόνα. Β Η παραγόμενη δυαδική εικόνα μετά την εφαρμογή αφαίρεσης μικρών αντικειμένων «bwareaopen» με κατώφλι 100 εικονοστοιχεία και για οκτώ συνδεδεμένους γείτονες. Α Σελ. 96

97 B Πλήρωση μικρών περιοχών Η τεχνική πλήρωσης περιοχών, γεμίζει τις «οπές» ή «λίμνες» των αντικειμένων της δυαδικής εικόνας, απαλείφοντας τες, γεμίζοντας τα κενά. Μπορεί να εφαρμοστεί με διάφορους αλγόριθμους απόφασης. Μπορούμε πολύ απλά να την εφαρμόσουμε, ελέγχοντας την τιμή των γειτονικών εικονοστοιχείων του εικονοστοιχείου που ανατρέχουμε με την χρήση παραθύρων «ROIS» και δίνοντας του τιμή ίση, με την τιμή που φέρουν στην πλειοψηφία τους τα γειτονικά του εικονοστοιχεία. Η μέθοδος πλήρωσης οπών που χρησιμοποιήθηκε είναι η συνάρτησης «imfill(bw, 'holes')»[67] και λειτουργεί λίγο διαφορετικά από τους τρόπους εφαρμογής που προαναφέραμε. Η συγκεκριμένη συνάρτηση έχει δημιουργηθεί για χρήση, στην εργαλειοθήκη της γλώσσας προγραμματισμού «Matlab» στον τομέα επεξεργασίας εικόνας. Λειτουργεί, αρχικά ανιχνεύοντας με διάφορες τεχνικές τις ακμές της δυαδικής εικόνας. Στην συνέχεια, ανιχνεύει τα αντικείμενα που βρίσκονται σε αυτή αλλά και τα σημεία πού οριοθετούνται. Ακολούθως, ελέγχοντας τις τιμές των συνδεδεμένων γειτονικών τους αντικειμένων, γεμίζει τις «τρύπες» των αντικειμένων απαλείφοντας τες από την εικόνα. Σε αντικείμενα που βρίσκονται εκτός ορίων και ανιχνεύονται στην εικόνα δεν εκτελεί καμία διεργασία. Είναι μία πολύ αποτελεσματική μέθοδος, για αυτό και επιλέχτηκε έναντι των υπόλοιπων διαθέσιμων άλλων μεθόδων. Υπερέχει λόγω της «έξυπνης» διόρθωσης των περιοχών με τα αντικείμενα της εικόνας. Με την χρήση άλλων μεθόδων δεν θα είχαμε την επιλεκτική διόρθωση των αντικειμένων της εικόνας αλλά μία ολοκληρωτική εφαρμογή της, σε όλα τα αντικείμενα της εικόνας. Το αποτέλεσμα αυτό είναι καταστροφικό. Στην περίπτωση των ιστοπαθολογικών εικόνων μικροσκοπίας το αποτέλεσμα ήταν ή αρνητική μεταβολή στην δυαδική χαρτογράφηση, των ορίων, των κυτταρικών πυρήνων. Σελ. 97

98 Εικόνα 6.8 : Α η δυαδική εικόνα στο στάδιο μετά την εφαρμογή της συνάρτησης «bwareaopen», αφαίρεσης μικρών αντικειμένων. Β η δυαδική εικόνα μετά την εφαρμογή της τεχνικής πλήρωσης μικρών περιοχών με αποτέλεσμα απαλοιφής των κενών που βρίσκονται στα αντικείμενα. Α Β Σελ. 98

99 6.8 Ανίχνευση κυτταρικών πυρήνων[38, 46, 59, 60, 69, 70] Μέχρι τώρα είδαμε διάφορες τεχνικές με τις οποίες μπορούσαμε να επεξεργαστούμε μορφολογικά τις δυαδικές εικόνες. Οι τεχνικές αυτές εφαρμόστηκαν με συγκεκριμένη διαδοχική σειρά ούτως ώστε να έχουμε το επιθυμητό αποτέλεσμα. Σκοπός είναι μέσα από την μορφολογική επεξεργασία των δυαδικών εικόνων, να έχουμε σωστή ανίχνευση του σχήματος των κυτταρικών πυρήνων αλλά και των περιοχών πού οριοθετούνται σε αυτή. Με τη δημιουργία της δυαδικής εικόνας, έχουμε μία χαρτογράφηση των περιοχών που βρίσκονται οι κυτταρικοί πυρήνες. Απώτερος σκοπός είναι, χρησιμοποιώντας ως δείκτη την δυαδική εικόνα, να μπορούμε, να εντοπίσουμε και να συλλέξουμε, την πληροφορία τους από την μονοχρωματική ψηφιακή εικόνα. Για τον εντοπισμό, των περιοχών που οριοθετούνται οι κυτταρικοί πυρήνες εφαρμόσαμε τις περισσότερες τεχνικές από την ενότητα «Δυαδική Μορφολογική Επεξεργασία». Τα αποτελέσματα μετά την χρήση αυτών των τεχνικών είναι πολύ καλά, αλλά λόγω της μορφολογικής διάταξης των κυτταρικών πυρήνων στην εικόνα εμφανίστηκαν διάφορα προβλήματα. Το βασικότερο πρόβλημα ήταν η μηδενική απόσταση που είχαν κάποιοι πυρήνες μεταξύ τους. Έτσι δεν υπήρχε σαφής διαχωρισμός των κυτταρικών πυρήνων μεταξύ τους. Μεγάλες περιοχές στην δυαδική εικόνα εντοπίζονται ως ένα αντικείμενο αλλά να κρύβουν περισσότερο από ένα κυτταρικούς πυρήνες. Για την αντιμετώπιση του πιο πάνω προβλήματος έπρεπε με κάποια τεχνική να μπορέσουμε να διαχωρίσουμε, με βάση το σχήμα, τους προσκολλημένους κυτταρικούς πυρήνες που δημιουργούνται στην δυαδική εικόνα. Η προβολή του αποτελέσματος διαχωρισμού, των υποψήφιων περιοχών, με βάση τα δεδομένα της μονοχρωματικής εικόνα γίνεται προαιρετικά στο σύστημα μέχρι να βεβαιωθούμε ότι ο αλγόριθμος διαχωρισμού που χρησιμοποιήσαμε παρουσιάζει καλά αποτελέσματα. Με βάση μελέτες που διεξάχθηκαν στο παρελθόν, εφαρμόστηκε συγκεκριμένη μέθοδο για την ανίχνευση των κυτταρικών πυρήνων. Η μέθοδος αυτή περιλαμβάνει συνδυασμό διαφορετικού τύπου εικόνες, που δημιουργούνται με την επεξεργασία μορφολογικού επιπέδου της εικόνας. Το αποτέλεσμα μετά την εφαρμογή αυτής της μεθόδου είναι, η ανίχνευση της περιμέτρου των κυτταρικών πυρήνων και ο χρωματισμός των αυστηρών κεντρώων τους. Οι εικόνες που χρησιμοποιήθηκαν σε αυτή την τεχνική είναι: - Μορφολογική επεξεργασία / αρχική δυαδική εικόνα δείκτης, εικόνα «Α». - Μεγέθυνση αντικειμένων δυαδικής εικόνας «Α» / Περίγραμμα, εικόνα «Β». - Σμίκρυνση αντικειμένων δυαδικής εικόνας «Α» / Κέντρα, εικόνα «Γ». - Ανίχνευση κυτταρικών πυρήνων, συνάρτηση «imoverlay». Μορφολογική επεξεργασία / αρχική δυαδική εικόνα δείκτης, εικόνα «Α» Πρώτο βήμα για την ανίχνευση των κυτταρικών πυρήνων, είναι η δημιουργία της αρχικής δυαδικής εικόνας δείκτης «Α». Η αρχική δυαδική εικόνα δείκτης «Α» δημιουργείται με μορφολογική επεξεργασία της εικόνας που παράχθηκε μέσα από τα διάφορα στάδια επεξεργασίας που περιγράφονται πιο πάνω μετά την εφαρμογή της τεχνικής «H-minima transform». Στην μορφολογική επεξεργασία της δυαδικής εικόνας δείκτη «Α», σκοπός είναι η βελτίωση της δυαδικής εικόνας Σελ. 99

100 που δημιουργήθηκε με το μετασχηματισμό τοπικών ελαχίστων. Τα βασικά προβλήματα που πρέπει να αντιμετωπιστούν είναι η αφαιρέσει του περιττού θορύβου. Ο περιττός θόρυβος δημιουργείται από το κυτταρόπλασμα που βρίσκεται γύρω από τον κάθε καρκινικό πυρήνα. Το φαινόμενο αυτό παρουσιάζεται έντονα, όταν το κυτταρόπλασμα των κυττάρων χρωματίζεται στο ίδιο χρώμα με τους κυτταρικούς πυρήνες. Στην δυαδική εικόνα δείκτη «Α» δεν μας ενδιαφέρει τόσο ο διαχωρισμός των πυρήνων από άλλους συμπίπτοντες πυρήνες, αλλά ο σαφής καθορισμός των αντικειμένων που εντοπίζονται στην εικόνα. Εικόνα 6.9 : Α. Παράδειγμα εικόνας που χρησιμοποιήθηκε για την παραγωγή της αρχικής δυαδικής εικόνας δείκτης «Α» που παρουσιάζεται στο σχήμα Β. Η εικόνα Α είναι η παραγόμενη εικόνα που δημιουργήθηκε κατά τα σειρά εκτέλεσης των διαφόρων σταδίων επεξεργασίας μετά την εφαρμογή της τεχνικής «H-minima transform». Α B Σελ. 100

101 Κατά την διαδικασία επεξεργασία της δυαδικής εικόνας χρησιμοποιήθηκαν τεχνικές διεύρυνσης και διάβρωσης με δομικό στοιχείο δίσκο. Επίσης χρησιμοποιήθηκαν τεχνικές αφαίρεσης μικρών αντικειμένων (θορύβου) και τεχνικές αφαίρεσης οπών. Με αυτό τον τρόπο δημιουργήθηκε η αρχική δυαδική εικόνα δείκτης «Α», την οποία θα χρησιμοποιήσουμε στην συνέχεια να για να ανιχνεύσουμε τους κυτταρικούς πυρήνες. Μεγέθυνση αντικειμένων δυαδικής εικόνας «Α» / Περίγραμμα[38, 71, 72], εικόνα «Β» Δεύτερο βήμα για την ανίχνευση των κυτταρικών, μετά την δημιουργία της αρχικής δυαδικής εικόνας δείκτη «Α», είναι η δημιουργία της δυαδικής εικόνας «Β» περιγραμμάτων. Στην εικόνα αυτή παρουσιάζονται τα περιγράμματα των αντικειμένων που αναγνωρίζονται στην αρχική δυαδική εικόνα δείκτη «Α». Εικόνα 6.10 : Α Η αρχική δυαδική εικόνα δείκτης «Α» που χρησιμοποιήθηκε για την παραγωγή της εικόνας «Β» περιγραμμάτων. Β Η παραγόμενη δυαδική εικόνα δείκτης «Β» μετά την εφαρμογή μορφολογικών τεχνικών επεξεργασίας εικόνας. Α B Σελ. 101

102 Για το σκοπό αυτό δημιουργήθηκε ένα αντίγραφο της αρχικής δυαδικής εικόνας δείκτη «Α» όπου με μορφολογική επεξεργασία έγινε μεγέθυνση στα αντικείμενα της. Συγκεκριμένα χρησιμοποιήθηκε η τεχνική διεύρυνσης με δομικό στοιχείο «διαμάντι». Στην παραγόμενη δυαδική εικόνα με τις διευρυμένες περιοχές εφαρμόστηκαν τεχνικές ανίχνευσης του περιγράμματος των αντικειμένων της. Υπάρχουν διάφορες τεχνικές μέσα από τις οποίες μπορούμε να ανιχνεύσουμε το περίγραμμα ενός αντικειμένου μίας δυαδικής εικόνας, εκ τον οποίον οι πιο γνωστές από αυτές, είναι η μέθοδος των ακμών. Ένας άλλος τρόπος για τον εντοπισμό του περιγράμματος είναι να σμικρύνουμε τα αντικείμενα της εικόνας με τεχνικές διάβρωσης και να αφαιρέσουμε το παραγόμενο αποτέλεσμα από την αρχική δυαδική εικόνα. Στην εικόνα που δημιουργείται παραμένει μόνο το περίγραμμα των αντικειμένων της εικόνας. Για την εύρεση του περιγράμματος των περιοχών της δυαδικής εικόνας χρησιμοποιήθηκε η συνάρτηση «bwperim» που βρίσκεται στην εργαλειοθήκη της γλώσσας προγραμματισμού «Matlab» στον τομέα επεξεργασίας εικόνας. Η συνάρτηση αυτή λειτουργεί βρίσκοντας την περίμετρο των αντικειμένων με βάση ένα αλγόριθμο απόφασης. Αυτός ο αλγόριθμος χαρακτηρίζει ένα εικονοστοιχείο ως περίγραμμα αντικειμένου, αν είναι μη μηδενικό και δεν αντιστοιχεί στο τελευταίο εικονοστοιχείο του αντικειμένου. Ακολούθως διορθώνεται το περίγραμμα του ανιχνεύοντας την ολοκληρώσει του, σε περιοχές όπου παρουσιάζει οπές. Σμίκρυνση αντικειμένων δυαδικής εικόνας «Α» / Κέντρα, εικόνα «Γ»[38, 47, 59, 69] Τρίτο βήμα για την ανίχνευση των κυτταρικών πυρήνων, μετά την δημιουργία της αρχικής δυαδικής εικόνας δείκτη «Α» και τις εικόνας «Β περιγραμμάτων», είναι η δημιουργία της δυαδικής εικόνας «Γ» με τα κέντρα των κυτταρικών πυρήνων. Στην εικόνα αυτή, παρουσιάζονται τα κέντρα των αντικειμένων που αναγνωρίζονται στην αρχική δυαδική εικόνα δείκτη «Α». Πέρα από το περίγραμμα που έχει εντοπιστεί των περιοχών που οριοθετούνται οι κυτταρικοί πυρήνες, θέλουμε με κάποιο τρόπο να εκτιμήσουμε αν η κάθε περιοχή κρύβει περισσότερους από ένα πυρήνες. Για να μπορέσουμε να κάνουμε μία τέτοια εκτίμηση πρέπει να επεξεργαστούμε την εικόνα σε μορφολογικό επίπεδο και συγκεκριμένα να ασχοληθούμε με το σχήμα που οριοθετεί την κάθε περιοχή. Η ιδέα είναι ότι μικραίνοντας το σχήμα μία περιοχής κάθε φορά περιμετρικά, είναι δυνατόν όσο το μικραίνουμε και πλησιάζουμε προς το κέντρο της, να εντοπίσουμε περισσότερα από δύο κέντρα. Έτσι εφαρμόσαμε στην αρχική δυαδική εικόνα δείκτη «Α» την μέθοδο διάβρωσης με δομικό στοιχείο δίσκο, για διάφορες τιμές και βρήκαμε το κατάλληλο μέγεθος του δομικού στοιχείου που μπορούμε να χρησιμοποιούμε στην εικόνα ούτως ώστε να μας αφήνει τα μικρότερα δυνατά κέντρα. Η ανεπαρκής μείωση των περιοχών με πολύ μεγάλα κέντρα αλλά και η ολοκληρωτική απαλοιφή τους από την δυαδική εικόνα είναι καταστροφική. Ο εντοπισμός τους είναι πολύ σημαντικός, γιατί έτσι μπορούμε να γνωρίζουμε πόσους δυνατούς πυρήνες είναι δυνατό να κρύβει η κάθε περιοχή. Σε περιοχές που δεν έχουμε εντοπιστεί κέντρα αλλά έχουμε εντοπίσει περίγραμμα, καταλαβαίνουμε ότι διαγράφονται από την αρχική δυαδική εικόνα δείκτη «Α». Σελ. 102

103 Εικόνα 6.11 : Α. Η αρχική δυαδική εικόνα δείκτης «Α». Β. Η παραγόμενη δυαδική εικόνα κεντρώων «Γ» μετά την εφαρμογή μορφολογικών τεχνικών επεξεργασίας εικόνας στην δυαδική εικόνα «Α». Α Β Ανίχνευση κυτταρικών πυρήνων, συνάρτηση «imoverlay».[38, 46, 60, 70] Τελευταίο βήμα για την ανίχνευση των κυτταρικών πυρήνων, είναι ο συνδυασμός των παραπάνω εικόνων. Συνδυάζοντας τη δυαδική εικόνα «Β» που αναπαριστά τα περιγράμματα των περιοχών με την δυαδική εικόνα «Γ» που αναπαριστά τα κέντρα των περιοχών, μπορούμε να ανιχνεύσουμε τους κυτταρικούς πυρήνες, στην αρχική βελτιωμένη ψηφιακή εικόνα αποχρώσεων γκρι. Αυτό μπορεί να γίνει πολύ απλά αφού οι εικόνες «Β» και «Γ» λειτουργούν σαν «δείκτες» που μας υποδηλώνουν τις περιοχές με την χρήσιμη πληροφορία. Δηλαδή που βρίσκονται οι κυτταρικοί πυρήνες στην μονοχρωματική ψηφιακή εικόνα. Πέρα από αυτό Σελ. 103

104 μπορούμε να ανιχνεύσουμε σχήματα που αναπαριστούν περισσότερους από ένα πυρήνες όπως αναφέραμε, με την χρήση των κέντρων της εικόνας δείκτη «Γ». Εικόνα 6.12 : Η παραγόμενη εικόνα, ανίχνευσης και παρουσίασης του κάθε κυτταρικού πυρήνα που αναγνωρίστηκε ο καρκίνος. Παρουσιάζονται με πράσινο χρώμα στην μονοχρωματικά τροποποιημένη ιστοπαθολογική εικόνα. Για την παραγωγή της εισάγονται στην συνάρτηση «imoverlay» οι δυαδικές εικόνες δείκτης «Β», «Γ» και οι μονοχρωματική εικόνα της ιστοπαθολογικής εικόνας. Σελ. 104

105 Για να μπορέσουμε να δούμε οπτικά το αποτέλεσμα της ανίχνευσης των κυτταρικών πυρήνων, σε πρώτο στάδιο συνδυάζουμε το αποτέλεσμα των δυαδικών εικόνων «Β» και «Γ» πάνω στην μονοχρωματική ψηφιακή εικόνα και παρουσιάζουμε το αποτέλεσμα. Η διαδικασία δημιουργίας της τελικής εικόνας ανίχνευσης των κυτταρικών πυρήνων ολοκληρώνεται από την συνάρτηση «imoverlay» της γλώσσας προγραμματισμού «Matlab», η οποία διατίθεται ελεύθερα στο διαδίκτυο στην επίσημη ιστοσελίδα της γλώσσας προγραμματισμού. Πέρα από το ότι συνδυάζει τις πληροφορίες και των τριών εικόνων για να παρουσιάσει το αποτέλεσμα, χρωματίζει με πράσινο χρώμα τα περιγράμματα αλλά και τα κέντρα του κάθε πυρήνα στην εικόνα αποχρώσεων του γκρι. Έτσι οι κυτταρικοί πυρήνες που ανιχνεύονται και είναι οπτικά ευδιάκριτοι. Η διαδικασία της ανίχνευσης πρακτικά είναι ένα στάδιο το οποίο θα μπορούσε να παραβλεφθεί κατά την διάρκεια εκτέλεσης συστήματος, γιατί πρακτικά πέρα από την οπτική παρουσία του αποτελέσματος, δεν συλλέγει καμία πληροφορία για τις ακριβείς συντεταγμένες των κυτταρικών πυρήνων ή την πληροφορία που φέρουν στην εικόνα αποχρώσεων του γκρι. Όμως μας δημιουργεί ένα αποτέλεσμα μέσα από το οποίο οπτικά μπορούμε να δούμε κατά πόσο έχουνε δημιουργηθεί αξιόπιστοι δείκτες (δυαδικές εικόνες «Β» και «Γ») τους οποίους θα αποτελέσουν θεμελιώδη βάση της αρχικής εκτίμησης των περιοχών που κρύβονται οι κυτταρικοί πυρήνες και που θα βελτιώσουμε στην συνέχεια. 6.9 Επίπεδο Ι «Εικόνας». Διαχωρισμός κυτταρικών πυρήνων / Χαρτογράφησης εικόνας.[7, 38, 46, 60, 73] Πέρα από την σωστή ανίχνευση των κυτταρικών πυρήνων και την προβολή τους στην μονοχρωματική ψηφιακή εικόνα, πρέπει με κάποιο τρόπο να δώσουμε ταυτότητα στο καθένα κυτταρικό πυρήνα ξεχωριστά αλλά και να γνωρίζουμε σε πια περιοχή κρύβεται στην ψηφιακή μας εικόνα. Σε αυτό το σημείο θα αναφερθούμε με ποίες τεχνικές δημιουργήθηκε η ολοκληρωμένη χαρτογράφηση της ψηφιακής μονοχρωματικής εικόνας με τις περιοχές που οριοθετούνται οι κυτταρικοί πυρήνες σε αυτή. Για το προσδιορισμό του ψηφιακού πίνακα χαρτογράφησης των κυτταρικών πυρήνων της ψηφιακής μονοχρωματικής εικόνας εκτελέστηκαν τα ακόλουθα βήματα: - Δημιουργία συμπληρωματικής μονοχρωματικής εικόνας. - Προσαρμογή δυαδικών εικόνων δεικτών, εικόνα «Δ» - Διαχωρισμός κυτταρικών πυρήνων, επίπεδο Ι «Μοτίβο διαχωρισμού» - Ψηφιακός πίνακας χαρτογράφησης, συνάρτηση «watershed» Δημιουργία συμπληρωματικής μονοχρωματικής εικόνας. Συμπληρωματική εικόνα μίας δυαδικής εικόνας ορίζουμε την εικόνα που στα αντίστοιχα εικονοστοιχεία της αρχικής εικόνας, περιέχει τις αντίθετες τιμές από αυτή. Στην δυαδική εικόνα που έχουμε τις τιμές [0 1], αν ένα εικονοστοιχείο της αρχικής δυαδικής εικόνας φέρει την τιμή 0, στη συμπληρωματική της φέρει την αντίθετη τιμή, δηλαδή 1. Σελ. 105

106 Εικόνα 6.13 : Στην εικόνα «Α» βλέπουμε την μονοχρωματική εικόνα μετά την εφαρμογή της τεχνικής Περιορισμένη αντίθεση προσαρμοσμένης εξισορρόπηση ιστογράμματος. Στην εικόνα «Β» βλέπουμε την συμπληρωματική μονοχρωματική εικόνα της εικόνας «Α» Α Β Στις μονοχρωματικές ή έγχρωμες ψηφιακές εικόνες ο ορισμός της συμπληρωματικής εικόνας ορίζεται πάλι με βάση τους τόνους του γκρι ή τους τόνους το χρωμάτων αντίστοιχα. Για να μπορέσουμε να δημιουργήσουμε την συμπληρωματική εικόνα σε αυτές τις κατηγορίες εικόνας, πρέπει να Σελ. 106

107 αφαιρέσουμε όλα τα εικονοστοιχεία της εικόνας από την μέγιστη τιμή δηλαδή το 255. Άρα εύκολα μπορούμε να καταλάβουμε ότι περιοχές με υψηλές τιμές στα επίπεδα του γκρι ή των χρωμάτων αποκτούν χαμηλές. Οι περιοχές που δεν φαίνεται να επηρεάζονται τόσο είναι οι μεσαίες τιμές στην κλίμακα του γκρι ή αλλιώς των χρωμάτων. Προσαρμογή δυαδικών εικόνων δεικτών, εικόνα «Δ» Με βάση τα δεδομένα που είχαμε δημιουργήσει από την προηγούμενη υποενότητα «6.8 Ανίχνευση κυτταρικών πυρήνων» αναφερθήκαμε στις ψηφιακές δυαδικές εικόνες των περιγραμμάτων «εικόνα Β» και των κεντρώων «εικόνα Γ» των κυτταρικών πυρήνων. Όπως αναφέρουμε ο λόγος δημιουργίας τους ήταν ως «δείκτες» για τον προσδιορισμό των περιοχών που οριοθετούνται οι κυτταρικοί πυρήνες στην μονοχρωματική ψηφιακή εικόνα αλλά και για εύκολη επεξεργασία του σχήματος τους σε μορφολογικό επίπεδο. Στο παρών στάδιο προσαρμόζουμε τις υπάρχουσες αυτές δυαδικές εικόνες για να μπορέσουμε να τις χρησιμοποιήσουμε σαν μία δυαδική εικόνα δείκτη στο επόμενο στάδιο του διαχωρισμού. Χρησιμοποιώντας και τις δύο δυαδικές εικόνες δείκτες «Β*, Γ» φτιάχνουμε την τελική δυαδική εικόνα δείκτη εικόνα «Δ». Η τελική δυαδική εικόνα δείκτης «Δ» είναι το αποτέλεσμα της τομής του συμπληρώματος της δυαδικής εικόνας δείκτη «Β*» που χρησιμοποιήσαμε για να δημιουργήσουμε το περίγραμμα των πυρήνων με την δυαδική εικόνα δείκτη «Γ» των κεντρώων των πυρήνων. Η τελική δυαδική εικόνα δείκτης, εικόνα «Δ» που δημιουργούμε μοιάζει με το συμπλήρωμα της δυαδικής εικόνας «Β» των περιγραμμάτων των πυρήνων, με την διαφορές ότι το περίγραμμα των πυρήνων που δημιουργείται έχει μεγαλύτερο πλάτος και φέρει την τιμή 0 έναντι στο υπόλοιπο φόντο τις εικόνας που φέρει την τιμή 1. Εικόνα 6.14 : Α. Η Τελική δυαδική εικόνα δείκτης ή αλλιώς εικόνων «Δ» μετά τον συνδυασμό των δυαδικών εικόνων «Β» περιγραμμάτων και δυαδικής εικόνας «Γ» κεντρώων. Γ Σελ. 107

108 Διαχωρισμός κυτταρικών πυρήνων, επίπεδο Ι Ο διαχωρισμός κυτταρικών πυρήνων επιπέδου Ι, είναι πολύ σημαντικός γιατί σε αυτό το σημείο, δημιουργούμε το «μοτίβο διαχωρισμού» των κυτταρικών πυρήνων από το υπόλοιπο φόντο της μονοχρωματικής εικόνας. Με το μοτίβο διαχωρισμού θα μπορέσουμε να εκτελέσουμε το διαχωρισμό των κυτταρικών πυρήνων σε επίπεδο Ι, όπου είναι ο θεμελιώδης διαχωρισμός που εκτελούμε στην μονοχρωματική εικόνα. Όσο καλύτερα πετύχουμε αυτό το προσδιορισμό του διαχωρισμού από το υπόλοιπο φόντο και από πιθανούς προσκολλημένους γειτονικούς πυρήνες τόσο καλύτερα αποτελέσματα θα έχουμε στα επόμενα επίπεδα οριοθέτησης και βελτίωσης. Το μοτίβο διαχωρισμού που δημιουργούμε είναι μία ψηφιακή εικόνα με συγκεκριμένα χαρακτηριστικά. Παράγεται από την συνάρτηση «imimposemin» της γλώσσας προγραμματισμού «Matlab» που βρίσκεται στην εργαλειοθήκη του τομέα «επεξεργασίας εικόνας». Σε αυτή εισάγουμε τις εικόνες που έχουμε περιγράψει στα προηγούμενα σημεία της υποενότητας. Η συνάρτηση «imimposemin» γενικά δέχεται ως είσοδο 2 εικόνες, την κανονική μονοχρωματική ή έγχρωμη εικόνα «I» που θα επεξεργαστούμε και την δυαδική εικόνα «BW» δείκτη με τις περιοχές που θέλουμε να τονίσουμε στην μονοχρωματική εικόνα. Λειτουργεί τροποποιώντας την ένταση της μονοχρωματικής ή έγχρωμης εικόνας «I» χρησιμοποιώντας μορφολογική ανασυγκρότηση. Θέτει τις τιμές των εικονοστοιχείων της εικόνας «Ι» ίσες με μηδέν όταν τα αντίστοιχα εικονοστοιχεία της «BW» εικόνας ισούνται με 1, ενώ διατηρεί την τιμή των εικονοστοιχείων της εικόνας «Ι» όταν τα αντίστοιχα εικονοστοιχεία της «BW» εικόνας ισούνται με 0. Εικόνα 6.15 : Η παραγόμενη εικόνα «μοτίβο διαχωρισμού» που δημιουργήθηκε με την συνάρτηση «imimposemin». Εικόνες εισαγωγής στην συνάρτηση η τελική δυαδική εικόνα δείκτης «Δ» περιγραμμάτων και το συμπλήρωμα της μονοχρωματικής εικόνας. Η εικόνα, μοτίβο διαχωρισμού έχει συγκεκριμένα χαρακτηριστικά. Τα κέντρα των κυτταρικών πυρήνων είναι έντονα με την τιμή μηδέν και στο περίγραμμα που τους οριοθετεί είναι οι τιμές τον αντίστοιχων εικονοστοιχείων της συμπληρωματικής μονοχρωματικής εικόνας Σελ. 108

109 Οι εικόνες εισόδου στης συνάρτηση είναι η τελική δυαδική εικόνα δείκτης «Δ» περιγραμμάτων και το συμπλήρωμα της μονοχρωματικής εικόνας. Έξοδος το μοτίβο διαχωρισμού, μία ψηφιακή εικόνα. Η εικόνα εξόδου διαμορφώνεται με τα πλατιά περιγράμματα των πυρήνων από την τελική δυαδική εικόνα δείκτη, στα οποία αντικαθιστούνται οι αντίστοιχες τιμές από το συμπλήρωμα της μονοχρωματικής εικόνας. Στα κέντρα των πυρήνων υπάρχει η τιμή μηδέν διαχωρίζοντας τους έτσι από πιθανούς προσκολλημένους γειτονικούς πυρήνες που μοιράζονται γειτονικά εικονοστοιχεία. Έτσι επιτυγχάνεται ο πρώτος διαχωρισμός των κυτταρικών πυρήνων σε επίπεδο Ι, αφού ο κάθε πυρήνας έχει το δικό του περίγραμμα και το δικό του κέντρο. Δεν έχουμε όμως δώσει ταυτότητα σε κάθε πυρήνα, όπως επίσης και δεν γνωρίζουμε το αριθμητικό τους σύνολο. Οι παράμετροι αυτοί υπολογίζονται με την χαρτογράφηση των κυτταρικών πυρήνων της εικόνας στην επόμενη παράγραφο. Ψηφιακός πίνακας χαρτογράφησης/συνάρτηση «watershed», επίπεδο Ι [74] Με την δημιουργία του ψηφιακού πίνακα χαρτογράφησης των κυτταρικών πυρήνων, ολοκληρώνουμε τον πλήρη διαχωρισμό τους σε επίπεδο Ι, αφού δίνουμε ταυτότητα στο κάθε πυρήνα, και γνωρίζουμε σε ποιες συντεταγμένες οριοθετείται στην εικόνα. Με τον ψηφιακό πίνακα χαρτογράφησης μπορούμε να ανατρέξουμε τον κάθε πυρήνα ξεχωριστά και με την χρήση παραθύρων να επεξεργαστούμε τα μορφολογικά του χαρακτηριστικά απομονώνοντας τα από την υπόλοιπη εικόνα, χωρίς να επηρεάζουμε τους υπόλοιπους κυτταρικούς πυρήνες. Η δημιουργία του ψηφιακού πίνακα χαρτογράφησης γίνεται με την συνάρτηση «watershed» της γλώσσας προγραμματισμού «Matlab» που βρίσκεται στην εργαλειοθήκη του τομέα «επεξεργασίας εικόνας». Η συνάρτηση αυτή ανιχνεύει ένα, ένα τα αντικείμενα στην εικόνα εισόδου που της δίνεται. Υπολογίζει και οριοθετεί το ακριβή σχήμα τους και δίνει μία αποκλειστική ταυτότητα σε κάθε αντικείμενο, θέτοντας όλα τα εικονοστοιχεία της περιοχής που καταλαμβάνει με μία αποκλειστική τιμή κάθε φορά. Η εικόνα εξόδου ή ψηφιακός πίνακας χαρτογράφησης που επιστρέφει αποτελείται από ένα φόντο που φέρει την τιμή μηδέν, και τα αντικείμενα που αναγνωρίστηκαν. Τα εικονοστοιχεία της περιοχής του πρώτου αντικειμένου που αναγνωρίστηκε φέρουν την τιμή 1, του δεύτερου 2 μέχρι και το τελευταίο αντικείμενο αντίστοιχα με σειρά αρίθμησης που αναγνωρίστηκε. Έτσι μπορούμε να γνωρίζουμε το σύνολο τον αντικειμένων που αναγνωρίστηκαν αλλά και να μπορούμε να ανατρέχουμε το κάθε από αυτά ξεχωριστά. Πρακτικά ως είσοδο στην συνάρτηση «watershed» θα μπορούσαμε να δίναμε την δυαδική εικόνα δείκτη «Β*» πριν την δημιουργία των περιγραμμάτων των κυτταρικών πυρήνων ή την δυαδική εικόνα δείκτη «Γ» των κεντρώων των πυρήνων ή την τελική δυαδική εικόνα δείκτη «Δ». Παρόλα αυτά δημιουργήσαμε το μοτίβο διαχωρισμού, μία ψηφιακή εικόνα με συγκεκριμένα χαρακτηριστικά όπου μας δίνει το καλύτερο δυνατό διαχωρισμό σε σχέση με τα αποτελέσματα διαχωρισμού από τις άλλες εικόνες. Η συνάρτηση «watershed» ανιχνεύει ένα αντικείμενο και το διαχωρίζει από τα υπόλοιπα, ανάλογα με τις τιμές που παρουσιάζει στο σύνολο η περιοχή που το οριοθετεί αλλά και το πόσο διαφορετικές τιμές έχουν τα εικονοστοιχεία των γειτονικών αντικειμένων. Στην περίπτωση του διαχωρισμού μίας δυαδικής εικόνας τότε πριν την εισαγωγή της στην συνάρτηση, υπολογίζουμε την Σελ. 109

110 Εικόνα 6.16 : Παραδείγματα πιθανού διαχωρισμού περιοχών που εντοπίστηκαν να περιέχουν κυτταρικούς πυρήνες με την χρήση της συνάρτησης «watershed» και της ψηφιακής εικόνας «μοτίβο διαχωρισμού». Συγκρίνουμε τα αποτελέσματα από την εισαγωγή της δυαδικής εικόνας της περιοχής ενδιαφέροντος ή του μοτίβου διαχωρισμού της περιοχής ενδιαφέροντος. Μονοχρωματική εικόνα Εικόνα εισαγωγής στην «watershed» Δυαδική με αποστάσεις Μοτίβο διαχωρισμού Εικόνα εξόδου με από την χρήση εικόνας εισόδου: Δυαδική εικόνα Μοτίβο Διαχωρισμού Σελ. 110

111 ευκλείδεια απόσταση του κάθε εικονοστοιχείου από το περίγραμμα του αντικειμένου. Για τον λόγω όμως ότι πολύ πυρήνες δεν έχουν κυκλικό σχήμα παρουσιάζεται μεγάλο σφάλμα στο διαχωρισμό τους με τις δυαδικές εικόνες δείκτες που δημιουργήθηκαν. Η εικόνα του μοτίβου διαχωρισμού παρουσιάζει πολύ καλύτερα αποτελέσματα γιατί είναι ξεκάθαρο το αυστηρό κέντρο του κάθε πυρήνα αφού το χρωματίζουμε με την τιμή 0, αλλά και με την εισαγωγή των φυσικών τιμών των τόνων του γκρι στο περίγραμμα του κάθε πυρήνα βρίσκει πολύ ευκολότερα τα σημεία που έχουμε διαφορά στην ένταση των χρωμάτων του γκρι, άρα και πιθανό προσκολλημένο πυρήνα. Σελ. 111

112 Εικόνα 6.17 : Τελικά αποτελέσματα σε όλη την εικόνα μετά την εφαρμογή του διαχωρισμού επιπέδου Ι. Σε κάθε παράδειγμα αρχικά βλέπουμε την αρχική εικόνα ιστοπαθολογίας και στην συνέχεια την παραγόμενη εικόνα πρότυπου διαχωρισμού επιπέδου Ι. Στην παραγόμενη εικόνα οι υποψήφιοι κυτταρικοί πυρήνες χρωματίζονται με διαφορετικά επίπεδα φωτεινότητας του χρωματικού μοντέλου «RGB». Παράδειγμα ψηφιακής εικόνας μικροσκοπίου ενδομητριακού καρκίνου που έγινε λήψη με 40 φακό. Σελ. 112

113 Παράδειγμα ψηφιακής εικόνας μικροσκοπίου ενδομητριακού καρκίνου που έγινε λήψη με 20 φακό Σελ. 113

114 Παράδειγμα ψηφιακής εικόνας μικροσκοπίου ενδομητριακού καρκίνου που έγινε λήψη με 40 φακό. Σελ. 114

115 Παράδειγμα ψηφιακής εικόνας μικροσκοπίου που έγινε λήψη με 40 φακό. Στο συγκεκριμένο παράδειγμα δεν έχουμε καλό χρωματισμό των κυτταρικών πυρήνων από την χρώση. Σελ. 115

116 Οι παραγόμενες εικόνες του πρότυπου διαχωρισμού επιπέδου Ι που δημιουργούμε στα παραδείγματα που ακολουθούν, είναι ελαφρός τροποποιημένες για σκοπούς παρουσίασης. Στις παραγόμενες εικόνες πρότυπου διαχωρισμού επιπέδου Ι όπως αναφέραμε σε κάθε περιοχή που ανιχνεύεται χρωματίζεται με μία τιμή από τα διαθέσιμα επίπεδα φωτεινότητας του γκρι. Στις εικόνες των παραδειγμάτων που ακολουθούν οι περιοχές που ανιχνεύτηκαν τις χρωματίσαμε με ένα από τα διαφορετικά επίπεδα του χρωματικού μοντέλου «RGB» για καλύτερη ευκρίνεια των πυρήνων Επίπεδο ΙΙ ο «Παραθύρων». Οριοθέτηση, βελτίωση και διαχωρισμός κυτταρικών πυρήνων[46, 47, 74-78] Στο προηγούμενο επίπεδο διαχωρισμού Ι, με την εφαρμογή μεθόδων και τεχνικών εντοπίστηκαν οι περιοχές που βρίσκονται στην εικόνα και διαχωρίστηκαν από το υπόλοιπη πληροφορία της εικόνας. Η βελτίωση και ο περαιτέρω διαχωρισμός του κάθε πυρήνα, είναι ένα στάδιο το οποίο χαρακτηρίστηκε ως «Επίπεδο ΙΙ», γιατί έχουμε μεμονωμένη επεξεργασία του παραθύρου της δυαδικής περιοχής που οριοθετεί το κάθε πυρήνα. Για να μπορέσουμε να πετύχουμε αυτό τον σκοπό αρχικά με τεχνικές παραθύρου απομονώνουμε το σχήμα του κάθε πυρήνα από την εικόνα χαρτογράφησης και αφαιρούμε την περιττή πληροφορία από πιθανή εισαγωγή τμημάτων από γειτονικούς πυρήνες στο παράθυρο μας. Ακολούθως μετατρέπουμε την εικόνα μας σε δυαδική εικόνα για να μπορέσουμε να την επεξεργαστούμε μορφολογικά. Παρατηρήθηκε μέσα από μελέτη ότι η δυαδική εικόνα που αντιπροσωπεύει τα εικονοστοιχεία που οριοθετούν το κάθε κυτταρικό πυρήνα σε σύγκριση της αρχική μονοχρωματικής εικόνας ότι δεν είναι ικανοποιητικά αντιπροσωπευτική. Το σχήμα της αντιπροσωπευτικής δυαδικής εικόνας των κυτταρικών πυρήνων είναι μικρότερο από τα σχήμα που φαίνεται να έχουν στην μονοχρωματική εικόνα, αλλά και το περίγραμμα τους δεν είναι λύω όπως πρέπει να είναι το περίγραμμα ενός φυσιολογικού πυρήνα. Επίσης παρατηρήθηκε ότι υπήρχαν αρκετοί πυρήνες που ήτανε δύσκολο να ανιχνευτή ο διαχωρισμός τους με τις τεχνικές που εφαρμόσαμε στο διαχωρισμό επιπέδου Ι και έπρεπε να διαχωριστούν. Για τους λόγους αυτούς έπρεπε με τεχνικές επεξεργασίας μορφολογικών χαρακτηριστικών να βελτιωθεί το σχήμα της δυαδικής εικόνας που αντιπροσωπεύει την περιοχή που οριοθετείται ο κάθε κυτταρικός πυρήνας στην μονοχρωματική εικόνας. Στην επιπέδου ΙΙ επεξεργασία έχουμε μεμονωμένη επεξεργασία της κάθε περιοχής που ανιχνεύτηκε να οριοθετεί ένα ή περισσότερους πυρήνες. Παρόλα αυτά σε αυτό το κομμάτι της επεξεργασίας αφαιρούνται οι πυρήνες που ανιχνευτήκαν στην ψηφιακή εικόνα χαρτογράφησης αλλά τέμνουν τα περιθώρια της εικόνας μας. Αφού οριστεί σε ένα παράθυρο η δυαδική περιοχή που οριοθετεί ένα πυρήνα, αρχικά μεγεθύνουμε το σχήμα αυτής της περιοχής με την τεχνική της διεύρυνσης χρησιμοποιώντας δομικό στοιχείο «δίσκο». Μπορούμε να μεγεθύνουμε το μέγεθος που οριοθετεί τον κάθε κυτταρικό πυρήνα στην δυαδική εικόνα δείκτη του, χωρίς να έχουμε τον κίνδυνο της επικάλυψης των εικονοστοιχείων του με εικονοστοιχεία γειτονικού πυρήνα αφού επεξεργαζόμαστε Σελ. 116

117 το σχήμα της δυαδικής εικόνας του κάθε πυρήνα ξεχωριστά. Πέρα από αυτό τα δεδομένα αυτής της δυαδικής εικόνα δείκτη, αλλά και οι συντεταγμένες που την τοποθετούν στην ψηφιακή εικόνα χαρτογράφησης ή την μονοχρωματική εικόνα αποθηκεύονται στο προφίλ του κάθε πυρήνα που δημιουργείται. Έτσι ο κάθε πυρήνας που ανιχνεύεται στην εικόνα χαρτογράφησης έχει ένα ξεχωριστό προφίλ μέσα στο οποίο αποθηκεύονται οι συντεταγμένες του παραθύρου του στην μονοχρωματική ψηφιακή εικόνα και η δυαδική εικόνα δείκτης του. Στα επόμενα επίπεδα θα προσθέσουμε την μονοχρωματική τροποποιημένη εικόνα του κάθε πυρήνα αλλά και το πίνακα των μορφολογικών χαρακτηριστικών του. Σχήμα 6.7 : Η μάσκα του μορφολογικού φίλτρου που εφαρμόζουμε στην δυαδική εικόνα του κάθε πυρήνα. Με μπλε χρώματα χρωματίζονται τα εικονοστοιχεία απόφασης του μορφολογικού φίλτρου της μάσκας. N N Ακολούθως η δυαδική εικόνα δείκτης, του κάθε πυρήνα εισάγεται στην συνάρτηση του επιπέδου επεξεργασίας ΙΙ που δημιουργήσαμε, «core_segmentation» με την γλώσσα προγραμματισμού «Matlab». Με την βοήθεια μορφολογικού φίλτρου που δημιουργήσαμε λειαίνεται το περίγραμμα του κάθε πυρήνα, αλλά και με την μέθοδο των καμπύλων συνάρτησης «bwlabel» χωρίζεται το σχήμα της δυαδικής εικόνας σε δύο ή περισσότερους πυρήνες. Σε συνάρτηση που δημιουργήσαμε «core_segmentation» εφαρμόζουμε ένα μορφολογικό φίλτρο, στην δυαδική εικόνα του κάθε πυρήνα. Συγκεκριμένα η απόφαση της τιμής που θα φέρει το εικονοστοιχείο που επεξεργαζόμαστε κάθε φορά της δυαδική εικόνας, λαμβάνεται από την επικρατούσα τιμή που φέρουν γειτονικά εικονοστοιχεία συγκεκριμένων θέσεων με βάση το μέγεθος της μάσκας του φίλτρου που εφαρμόζουμε. Οι διαστάσεις της μάσκας του μορφολογικού φίλτρου μπορούν να μεταβάλλονται και κατά συνέπεια τα γειτονικά εικονοστοιχεία που επηρεάζουν την απόφαση. Τα εικονοστοιχεία της μάσκας που επηρεάζουν την απόφαση στην τιμή του εικονοστοιχείου που επεξεργαζόμαστε είναι τα εικονοστοιχεία του περιγράμματος της μάσκας. Σε περιπτώσεις που η μάσκα τοποθετείται σε εικονοστοιχεία που τέμνουν το περίγραμμα της δυαδικής εικόνας του κάθε πυρήνα, τα εικονοστοιχεία της μάσκας που είναι εκτός περιγράμματος Σελ. 117

118 λαμβάνουν την τιμή 1. Η απόφαση για την τιμή που λαμβάνεται για το κάθε εικονοστοιχείο είναι: - Αν η πλειοψηφία των γειτονικών εικονοστοιχείων που το επηρεάζουν = 1 τότε λαμβάνει την τιμή 0. - Αν η πλειοψηφία των γειτονικών εικονοστοιχείων που το επηρεάζουν = 0 τότε λαμβάνει την τιμή 1 Μετά την εφαρμογή του δυαδικού φίλτρου λείανσης του περιγράμματος του κάθε πυρήνα συνήθως δημιουργούνται οπές στο εσωτερικό του, οι οποίες γεμίζονται με την βοήθεια της συνάρτησης «imfill( holes )», συνάρτηση που περιγράφουμε την λειτουργία της σε προηγούμενες παραγράφους. Έτσι το σχήμα των δυαδικών εικόνων που οριοθετούν τον κάθε πυρήνα έχει βελτιωθεί σε τέτοιο βαθμό που μας αντικατοπτρίζει τα πραγματικά όρια του κάθε πυρήνα. Πέρα από την βελτίωση των σημείων που οριοθετείται ένας πυρήνας στην δυαδική εικόνα του, μελετήθηκε κατά πόσο είναι δυνατών να ανιχνευτούν περισσότεροι από ένα πυρήνες με βάση το σχήμα της κάθε περιοχής. Ο τρόπος ανίχνευσης είναι ο ίδιος με προηγούμενους τρόπους διαχωρισμού πυρήνων που εφαρμόσαμε με μικρές αλλαγές. Ανιχνεύοντας τα αυστηρά κέντρα του σχήματος του κάθε πυρήνα και συνδυάζοντας τα με την δυαδική εικόνα που τον οριοθετεί, δημιουργούμε δυαδικές εικόνες με το αυστηρό κέντρο και το περίγραμμα του κάθε πυρήνα. Αν σε ένα πυρήνα ανιχνευτούν δύο κέντρα τότε όταν εισάγουμε την δυαδική εικόνα του με τα δύο κέντρα και το περίγραμμα τους στην συνάρτηση «watershed» της γλώσσας προγραμματισμού «matlab» θα μας επιστρέψει μία δυαδική εικόνα με δύο διαχωρισμένους γειτονικούς πυρήνες με βάση τα κέντρα που ανιχνεύτηκαν και τοποθετήθηκαν στην αρχική δυαδική εικόνα. Σε αυτό το κομμάτι όμως ασχολούμαστε με το διαχωρισμό του κάθε πυρήνα ξεχωριστά και έτσι μπορούμε να εφαρμόσουμε καλύτερες τεχνικές προσδιορισμού των κεντρώων του κάθε πυρήνα Για την ανίχνευση των κεντρώων του σχήματος που φέρει η δυαδική εικόνα του κάθε πυρήνα χρησιμοποιήθηκε οι μέθοδος των ισοϋψείς καμπύλων. Οι ισοϋψείς καμπύλες δημιουργούνται με βάση το περίγραμμα του σχήματος που ανιχνεύεται στην δυαδική εικόνα του κάθε πυρήνα και τις ευκλείδειες αποστάσεις του κάθε εικονοστοιχείου από αυτό. Ως κέντρα με βάση το σχήμα που οριοθετεί το κάθε πυρήνα λαμβάνονται οι κορυφές των πέντε τελευταίων ισοϋψείς καμπύλων του. Αποτέλεσμα εξόδου από την επεξεργασία επιπέδου ΙΙ «παραθύρων», είναι οι βελτιωμένες δυαδικές εικόνες δείκτες που μας προσδιορίζουν την περιοχή που οριοθετούνται οι κυτταρικοί πυρήνες στην μονοχρωματική εικόνα. Σε περίπτωση εύρεσης πιθανού διαχωρισμού τότε αποτέλεσμα εξόδου είναι οι διαχωρισμένοι πυρήνες μας. Σελ. 118

119 Εικόνα 6.18 : Παραδείγματα οριοθέτησης, βελτίωσης και διαχωρισμού κυτταρικών πυρήνων επιπέδου ΙΙ παραθύρων. Στην πρώτη στήλη βλέπουμε τα παράθυρα που οριοθετούνται οι κυτταρικοί πυρήνες σε μονοχρωματική εικόνα, στην στήλη δύο τα παραγόμενα αποτελέσματα σε παράθυρα δυαδικών εικόνων μετά την επεξεργασία επιπέδου Ι που τους οριοθετεί, στην τρίτη στήλη την βελτιωμένη δυαδική εικόνα, στην τέταρτη στήλη της 5 κορυφαίες ισοϋψείς καμπύλες τους και τέλος στην πέμπτη στήλη των πιθανό διαχωρισμό τους. Παράθυρα με πληροφορία από πυρήνες Μονοχρωματικό Δυαδικό (Επίπεδου Ι) Δυαδικό (Μεγέθυνση & φίλτρο λείανσης) Δυαδικό (Ισοϋψείς, κέντρα ) Δυαδικό «watershed» Δ/Υ Δ/Υ Δ/Υ Σελ. 119

120 6.11 Επίπεδο ΙΙΙ «Μεγάλων Παραθύρων». Εύρεση βέλτιστου πιθανού πολλαπλού διαχωρισμού.[46, 47, 75, 79, 80] Επιπέδου ΙΙΙ επεξεργασία δεν λαμβάνουν όλα τα δυαδικά παράθυρα με τις περιοχές ενδιαφέροντος των κυτταρικών πυρήνων, αλλά μόνο τα παράθυρα με περιοχές, που το μέγεθος τους ξεπερνά τα 500 εικονοστοιχεία. Ο λόγος που θέτουμε αυτό των περιορισμό είναι για να μειώσουμε το χρόνο επεξεργασίας αποφεύγοντας τις εικόνες με μικρές περιοχές ενδιαφέροντος άρα και με μικρή πιθανότητα διαχωρισμού σε επιμέρους κυτταρικούς πυρήνες. Η όλη διαδικασία διεκπεραίωσης της επεξεργασίας επιπέδου ΙΙΙ δεν διαφέρει πολύ από την επεξεργασία επιπέδου ΙΙ. Συγκεκριμένα κάνουμε χρήση της συνάρτησης που δημιουργήσαμε «core_separetion», που περιγράφουμε στην προηγούμενη υποενότητα. Η συγκεκριμένη συνάρτηση περά από την δυαδική εικόνα που κρύβει την περιοχή ενδιαφέροντος του κάθε πυρήνα δέχεται και σαν είσοδο το κατώτατο όριο ύψους των ισοϋψείς καμπύλων που παράγονται για την δημιουργία των κεντρώων της δυαδικής εικόνας, αλλά και το ελάχιστο όριο σε μέγεθος των πυρήνων που δημιουργούνται σε ένα πιθανό διαχωρισμό. Στην επιπέδου ΙΙ επεξεργασία το κατώτερο ύψος των ισοϋψείς καμπύλων ήταν σταθερό μέχρι τις πέντε ισοϋψείς καμπύλες από την κορυφή και το ελάχιστο μέγεθος των πυρήνων οριζότανε από τον χρήστη. Στην επιπέδου ΙΙΙ επεξεργασία δοκιμάζουμε την δυαδική εικόνα που κρύβει μια περιοχή υποψήφιου κυτταρικού πυρήνα με πολύ μεγάλο εύρος για διάφορες τιμές του ελάχιστου ύψους από την κορυφή των ισοϋψείς καμπύλων. Συγκεκριμένα δοκιμάζουμε την εικόνα ξεκινώντας από τις δύο ελάχιστες ισοϋψείς καμπύλες από την κορυφή, μέχρι και τις δέκα. Αποθηκεύουμε την πληροφορία από τις παραγόμενες εικόνες σχετικά με το αριθμό των πυρήνων που διαχωρίστηκαν αλλά και το μέγεθος σε εικονοστοιχεία του μεγαλύτερου και το μικρότερου πυρήνα. Συγκρίνουμε τα αποτελέσματα και βρίσκουμε την καλύτερη περίπτωση όπου κριτήριο αποτελεί : - Ο μεγαλύτερος αριθμός σε κατάλληλους (μεγαλύτερη από ελάχιστο μέγεθος) πυρήνες που ανιχνεύτηκαν. - Σε περίπτωση ισοψηφίας του προηγούμενου κριτηρίου, το μέγεθος του μικρότερου πυρήνα να είναι το μεγαλύτερο από όλες τις περιπτώσεις διαχωρισμού που έχουν ίδιο αριθμό πυρήνων. - Σε περίπτωση ισοψηφίας των προηγούμενων κριτηρίων, το μέγεθος του μεγαλύτερου πυρήνα να είναι το μικρότερο από όλες τις περιπτώσεις διαχωρισμού που έχουν ίδιο αριθμό πυρήνων και έχουν ίσο αριθμό στο εύρος του μικρότερου πυρήνα. Αναλύοντας τα αποτελέσματα μετά την επεξεργασία των δυαδικών εικόνων με μεγάλες σε έκταση περιοχές βλέπουμε ότι υπάρχει ένα σημαντικό ποσοστό διαχωρισμού τους σε επιμέρους πυρήνες. Με τις τεχνικές που εφαρμόσαμε στα προηγούμενα επίπεδα επεξεργασίας Ι και ΙΙ, φαίνεται να δημιουργήθηκαν περιοχές όπου χαρακτηρίστηκαν ως ένας πυρήνας αλλά ήτανε το αποτέλεσμα της συμπύκνωσης περισσότερων από δύο πυρήνων. Παρόλα αυτά το μεγαλύτερο ποσοστό αυτών των μεγάλων περιοχών ορθά αναγνωρίζονται ως ένας πυρήνας αφού σε αυτές βρίσκεται μόνο ένας πυρήνας. Όπως βλέπουμε με την επεξεργασία επιπέδου ΙΙΙ δεν επηρεάζονται αυτές οι περιοχές διατηρώντας το αποτέλεσμα του επιπέδου ΙΙ. Επίσης όπου ανιχνεύεται Σελ. 120

121 διαχωρισμός, το καινούργιο αποτέλεσμα αντικαθιστάτε με το αποτέλεσμα του επιπέδου ΙΙ ως καλύτερος διαχωρισμός. Εικόνα 6.19 : Παραδείγματα εύρεσης βέλτιστου πιθανού πολλαπλού διαχωρισμού από περιοχές που οριοθετούν πυρήνα με έκταση μεγαλύτερη από 500 εικονοστοιχεία. Στην πρώτη στήλη βλέπουμε τα παράθυρα που οριοθετούνται οι κυτταρικοί πυρήνες σε μονοχρωματική εικόνα, στην στήλη δύο τα παραγόμενα αποτελέσματα σε παράθυρα δυαδικών εικόνων μετά την επεξεργασία επιπέδου ΙΙ και στην τρίτη στήλη την παραγόμενη δυαδική εικόνα από το επίπεδο ΙΙΙ. Παράθυρα με πληροφορία από πυρήνες Μονοχρωματικό Δυαδικό (Επίπεδου ΙΙ) Δυαδικό (Επίπεδου ΙΙΙ) Σελ. 121

122 6.11 Παράμετροι καταλληλότητας πυρήνων. Πλησιάζοντας στο τελικό στάδιο εύρεσης της περιοχής ενδιαφέροντος του κάθε κυτταρικού πυρήνα με την χρήση μορφολογικών τεχνικών επεξεργασίας των δυαδικών εικόνων τους, μας εναπομένει να ελέγξουμε δύο σημαντικές παράμερους οι οποίες θα είναι καθοριστικές στο γενικό επιθυμητό μας αποτέλεσμα. Οι δύο αυτές παράμετροι αφορούν την εκάστοτε καταλληλότητα του κάθε κυτταρικού πυρήνα και επιλέγονται από το χρήστη: - Το ελάχιστο μέγεθος σε έκταση εικονοστοιχείων που θα καταλαμβάνει ο κάθε κυτταρικός πυρήνας στο σύνολο του. - Η μέγιστη μέση τιμή των χρωματικών τόνων γκρι που θα φέρει το σύνολο των εικονοστοιχείων του κυτταρικού πυρήνα. Υπήρξαν διάφοροι λόγοι για τους οποίους θέσαμε αυτές τις δύο παραμέτρους. Σκοπός ήταν να μπορέσουμε να διαχωρίσουμε τους επιθυμητούς κυτταρικούς πυρήνες που αναγνωρίστηκαν στην ψηφιακή εικόνα από πιθανές λανθασμένες αναγνωρισμένες περιοχές που φέρουν παρόμοια χαρακτηριστικά με τους κυτταρικούς πυρήνες. Εικόνα 6.20 : Παράδειγμα εικόνας με θόρυβο από αντικείμενα που φέρουν κυκλικό σχήμα και γκρίζο χρώμα αλλά δεν αποτελούν καρκινικό πυρήνα. Περιστατικά λανθασμένων αναγνωρισμένων πυρήνων αποτελούσαν κάποια αντικείμενα που φέρουν κυκλικό σχήμα σε μέγεθος λίγο μικρότερο από καρκινικό πυρήνα και έχουν γκρίζο χρώμα. Επιλέγοντας ο χρήστης την παράμετρο «ελάχιστο μέγεθος πυρήνα» καταπολεμούνται τέτοια περιστατικά. Σε αρκετές περιπτώσεις μελετήθηκαν τα αποτελέσματα της παραμέτρου αυτής για διάφορες τιμές. Συγκρίνοντας τα αποτελέσματα επιλεγόταν η καλύτερη τιμή ώστε Σελ. 122

123 και το βέλτιστο δυνατό επιθυμητό αποτέλεσμα. Παρόμοια περιστατικά λανθασμένης πρόβλεψης αποτελούσαν πυρήνες οι οποίοι δεν έφεραν στο σύνολο της περιοχής που καταλάμβαναν το χρώμα ερυθρό-καφέ. Επιλέγοντας ο χρήστης την τιμή της παραμέτρου καταλληλότητας «μέγιστη μέση τιμή των χρωματικών τόνων του γκρι» του δίνεται η δυνατότητα διαχωρίσει πυρήνες που δεν έχουν το επιθυμητό χρώμα και που μπορεί να επηρεάσουν αρνητικά το αποτέλεσμα. Εικόνα 6.21 : Παράδειγμα εικόνας με πυρήνες που έχουν ασαφή χρωματισμό. Αφαιρούνται από τους αναγνωρισμένους κυτταρικούς πυρήνες με την παράμετρο καταλληλότητας «ελάχιστη μέση τιμή των χρωματικών τόνων γκρι». Οι δύο αυτές παράμετροι καταλληλότητας εφαρμόζονται με συγκεκριμένη σειρά στο τελικό στάδιο της συλλογής της πληροφορίας των κυτταρικών πυρήνων, και σε περιπτώσεις που οι πυρήνες που δεν πληρούν τις προϋποθέσεις αυτές απορρίπτονται Συλλογή πληροφορίας κυτταρικών πυρήνων εικόνας. Ο τελικός στόχος για τον οποίο εκτελέσαμε τις παραπάνω τεχνικές και εφαρμόσαμε τα ελάχιστα κατώφλια με τις παραμέτρους καταλληλότητας ήταν για να μπορέσουμε να συλλέξουμε την πληροφορία που φέρει ο κάθε ορθά αναγνωρισμένος καρκινικός πυρήνας στην μονοχρωματική ψηφιακή εικόνα. Η εύρεση των ακριβής περιοχών που κρύβονται οι κυτταρικοί πυρήνες με σκοπό την συλλογή της πληροφορίας τους έγινε με την μορφολογική επεξεργασία δυαδικών εικόνων, που δημιουργήθηκαν από την ψηφιακή μονοχρωματική εικόνα. Σελ. 123

124 Η εικόνα από την οποία θα λάβουμε την πληροφορία για κάθε καρκινικό πυρήνα παίζει καθοριστικό ρόλο στα αποτελέσματα μας. Για τον λόγο αυτό δημιουργούμε μία καινούργια μονοχρωματική ψηφιακή εικόνα από την αρχική έγχρωμη ψηφιακή εικόνα αποφεύγοντας τις ενδιάμεσες τεχνικές (μερικού αποχρωματισμού, αντίθεσης) που εφαρμόσαμε στην προηγούμενη μονοχρωματική εικόνα, για σκοπούς εύρεσης της δυαδικής εικόνας της. Όλες οι εικόνες που παράγονται έχουν της ίδιες διαστάσεις (έγχρωμες / μονοχρωματικές / δυαδικές) έτσι κάνοντας χρήση συντεταγμένων και παραθύρων μπορούμε να έχουμε ακριβός τις ίδιες περιοχές και από τις τρεις εικόνες. Με βάση την αρχή των συντεταγμένων και παραθύρων, γνωρίζοντας την περιοχή που λήφθηκε η δυαδική εικόνα του κάθε κυτταρικού πυρήνα από την ψηφιακή εικόνα χαρτογράφησης, βρίσκουμε την αντίστοιχη περιοχή με την χρήση παραθύρου από την καινούργια μονοχρωματική εικόνα. Συλλέγεται η πληροφορία της εικόνας με την χρήση παραθύρου μόνο από τα αντίστοιχα εικονοστοιχεία που οριοθετείται ο καρκινικός μας πυρήνας στην τελική δυαδική εικόνα δείκτη του. Στα υπόλοιπα εικονοστοιχεία της εικόνας θέτουμε την τιμή -50. Επομένως στην νέα μας εικόνα με διαστάσεις του παραθύρου έχουμε τον πυρήνα με την πληροφορία του από την μονοχρωματική εικόνα και ένα περίγραμμα γύρο από αυτόν που φέρει την τιμή -50. Με αυτό τον τρόπο απομονώνουμε τον εκάστοτε καρκινικό πυρήνα από την περιττή πληροφορία του περιγράμματος του. Εικόνα 6.22 : Παράδειγμα με παράθυρα από δυαδική εικόνα και τροποποιημένη μονοχρωματική εικόνα στις οποίες οριοθετείται καρκινικός πυρήνας. Πριν την αποθήκευση της τελικά μονοχρωματικά τροποποιημένης εικόνας με την πληροφορία του κυτταρικού πυρήνα, ελέγχουμε κατά πόσο πληροί την δεύτερη παράμετρο καταλληλότητας. Υπολογίζοντας την μέση τιμή των γκρι τόνων των εικονοστοιχείων του, ελέγχεται αν βρίσκεται κάτω από το μέγιστο όριο της παραμέτρου των γκρι τόνων που καθορίζεται από το χρήστη. Σε περίπτωση που το δεν ισχύει η συνθήκη ο πυρήνας διαγράφεται. Σε κάθε καρκινικό πυρήνα που αναγνωρίζεται και πληροί όλες τις προϋποθέσεις δημιουργείται ένα προφίλ στο οποίο αποθηκεύονται οι συντεταγμένες που τον καθορίζουν στις εικόνες μας (έγχρωμη / μονοχρωματική / δυαδική),η τελική δυαδική του εικόνα, και η τροποποιημένη μονοχρωματικά του εικόνα. Σε αυτό το σημείο παράγονται και αποθηκεύονται τα χαρακτηριστικά για τον κάθε πυρήνα όπου και συμπεριλαμβάνονται στο προφίλ του. Πέρα από την αποθήκευση των δεδομένων του κάθε πυρήνα στο τελικό προφίλ του σημαντικό κομμάτι είναι η ανάκτηση της τελικής δυαδικής εικόνας δείκτη που αναπαριστά όλους τους κυτταρικούς πυρήνες που πληρούσαν τις προϋποθέσεις ή διαχωρίστηκαν. Η τελική δυαδική εικόνα δείκτης είναι πολύ Σελ. 124

125 σημαντική γιατί αναπαριστά την φυσική τους θέση στο χώρο της έγχρωμης ψηφιακής εικόνας που εισάχθηκε στο σύστημα. Αρχικά δημιουργώντας μία νέα μαύρη (μηδενική) εικόνα με τις διαστάσεις της αρχικής εικόνας, και αποθηκεύοντας το τελικό αποτέλεσμα των δυαδικών εικόνων του κάθε κυτταρικού πυρήνα αναδρομικά κατά την διάρκεια της επεξεργασίας τους στις συντεταγμένες που αναγνωρίστηκαν εύκολα ανασυγκροτείται η διορθωμένη γενική τελική δυαδική εικόνα. Τέλος δημιουργούνται οι δομές με το τελικό προφίλ της ψηφιακής εικόνας μικροσκοπίου που αναλύθηκε, αλλά και η δομή που συμπεριλαμβάνει όλα τα επιμέρους προφίλ των κυτταρικών πυρήνων που εντοπίστηκαν. Με τον ίδιο τρόπο που περισυλλέχτηκε η πληροφορία από κάθε κυτταρικού πυρήνα και δημιουργήθηκε η νέα τροποποιημένη μονοχρωματικά του εικόνα με την χρήση της δυαδικής εικόνας δείκτη του, έτσι δημιουργούνται δύο νέες τροποποιημένες εικόνες πάνω στις οποίες συμπεριλαμβάνονται όλοι οι κυτταρικοί πυρήνες στην φυσική τους θέση στην αρχική έγχρωμη ψηφιακή εικόνα. Οι νέες εικόνες που δημιουργούνται με την γενική τελική διορθωμένη δυαδική εικόνα κατά την ολοκλήρωση της ανάλυσης είναι η έγχρωμη τροποποιημένη εικόνα που περιλαμβάνει μόνο την έγχρωμη πληροφορία των αναγνωρισμένων κυτταρικών πυρήνων σε μαύρο φόντο και η μονοχρωματική τροποποιημένη εικόνα που περιλαμβάνει μόνο την μαυρόασπρη πληροφορία των κυτταρικών πυρήνων σε μαύρο φόντο. Στην συνέχεια ακολουθούν δύο ολοκληρωμένα παράδειγμα επεξεργασίας. Στο πρώτο παράδειγμα αναλύουμε ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας. Στο δεύτερο παράδειγμα αναλύουμε ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 20 φακού και κάμερας. Παρουσιάζονται οι εικόνες που παράγονται από τα διάφορα στάδια επεξεργασίας των δύο αρχικών εικόνων από την αρχή μέχρι και το τελικό αποτέλεσμα προβολής τους. Η ανάλυση της εικόνας του πρώτου παραδείγματος έγινε με παραμέτρους καταλληλότητας, «ελάχιστο μέγεθος σε έκταση εικονοστοιχείων πυρήνα=260» και «μέγιστη μέση τιμή των χρωματικών τόνων γκρι=170». Η ανάλυση της εικόνας του δεύτερου παραδείγματος έγινε με παραμέτρους καταλληλότητας, «ελάχιστο μέγεθος σε έκταση εικονοστοιχείων πυρήνα=260» και «μέγιστη μέση τιμή των χρωματικών τόνων γκρι=170». Σελ. 125

126 Εικόνα 6.23 : Εικόνα πρώτου παραδείγματος επεξεργασίας. Η έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από το οπτικό μικροσκόπιο με την χρήση 40 φακού και κάμερας. Εικόνα 6.24 : Η παραγόμενη εικόνα του πρώτου παραδείγματος κατά το στάδιο της ανίχνευσης των κυτταρικών πυρήνων. Σελ. 126

127 Εικόνα 6.25 : Αποτελέσματα εικόνας πρώτου παραδείγματος κατά το στάδιο της ψηφιακής χαρτογράφησης των κυτταρικών πυρήνων. Εικόνα 6.26 : Αποτελέσματα εικόνας πρώτου παραδείγματος. Η τελική γενική δυαδική εικόνα δείκτης μετά την επεξεργασία επιπέδου Ι, ΙΙ και ΙΙΙ. Σελ. 127

128 Εικόνα 6.27 : Αποτελέσματα εικόνας πρώτου παραδείγματος. Η έγχρωμη τροποποιημένη εικόνα που περιλαμβάνει μόνο την έγχρωμη πληροφορία των αναγνωρισμένων κυτταρικών πυρήνων σε μαύρο φόντο. Εικόνα 6.28 : Εικόνα δεύτερου παραδείγματος επεξεργασίας. Η έγχρωμη ψηφιακή ιστοπαθολογική εικόνα από οπτικό μικροσκόπιο με την χρήση 20 φακού και κάμερας. Σελ. 128

129 Εικόνα 6.29 : Αποτελέσματα εικόνας δευτέρου παραδείγματος κατά το στάδιο της ανίχνευσης των κυτταρικών πυρήνων. Εικόνα 6.30 : Αποτελέσματα εικόνας δευτέρου παραδείγματος κατά το στάδιο της ψηφιακής χαρτογράφησης των κυτταρικών πυρήνων. Σελ. 129

130 Εικόνα 6.31 : Αποτελέσματα εικόνας δευτέρου παραδείγματος. Η τελική γενική δυαδική εικόνα δείκτης μετά την επεξεργασία επιπέδου Ι, ΙΙ και ΙΙΙ. Εικόνα 6.32 : Αποτελέσματα εικόνας δευτέρου παραδείγματος. Η έγχρωμη τροποποιημένη εικόνα που περιλαμβάνει μόνο την έγχρωμη πληροφορία των αναγνωρισμένων κυτταρικών πυρήνων σε μαύρο φόντο. Σελ. 130

131 6.13 Παρουσίαση αποτελέσματος. Το αποτέλεσμα εξόδου σε μία επιτυχή ολοκληρωμένη επεξεργασία ψηφιακής εικόνας μικροσκοπίου χωρίζεται σε δύο κατηγορίες, το αριθμητικό αποτέλεσμα και το οπτικό αποτέλεσμα. Στο αριθμητικό αποτέλεσμα έχουμε δύο δομές, το τελικό προφίλ της εικόνας εισαγωγής, και την δομή μέσα στην οποία συμπεριλαμβάνονται τα προφίλ του κάθε πυρήνα. Αναλυτικά έχουμε: α. Δομή με το τελικό προφίλ της εικόνας μέσα στο οποίο συμπεριλαμβάνονται: - η έγχρωμη ψηφιακή εικόνα - η μονοχρωματική ψηφιακή εικόνα - η εικόνα ανίχνευσης των κυτταρικών πυρήνων - η τελική δυαδική εικόνα - η τροποποιημένη μονοχρωματική εικόνα - η τροποποιημένη έγχρωμη εικόνα - οι παράμετροι καταλληλότητας που χρησιμοποιήθηκαν. - η μέση τιμή των χαρακτηριστικών όλων των πυρήνων της εικόνας β. Δομή που συμπεριλαμβάνει το σύνολο των προφίλ όλων των κυτταρικών πυρήνων. Κάθε προφίλ κυτταρικού πυρήνα εμπεριέχει: - συντεταγμένες παραθύρου - δυαδική εικόνα - τροποποιημένη μονοχρωματική εικόνα - χαρακτηριστικά πυρήνα Το οπτικό αποτέλεσμα πολύ απλά παράγεται από τις εικόνες που δημιουργούνται και αποθηκεύονται στην δομή του τελικού προφίλ της ιατρικής εικόνας μας. Οπτικά αναπαριστούνται η έγχρωμη ψηφιακή εικόνα, η ψηφιακή εικόνα ανίχνευσης των κυτταρικών πυρήνων, η τελική δυαδική εικόνα και η τροποποιημένη έγχρωμη ψηφιακή εικόνα. Εικόνα 6.33 : 20 φακό. Οπτικό αποτέλεσμα από ανάλυση ψηφιακής ιατρικής εικόνας που έγινε λείψει με Σελ. 131