Ευφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ ΚΩΔΙΚΟΣ MIS: 346961 Φορέας Υποβολής: Πανεπιστήμιο Ιωαννίνων - Τμήμα Πληροφορικής Φορέας Χρήστης: Γενικό Νοσοκομείο Ιωαννίνων «Γ. Χατζηκώστα»
Αντικείμενο και στόχοι Η ανάπτυξη ενός ευφυούς πληροφοριακού συστήματος υποβοήθησης διάγνωσης για την ανίχνευση παθολογικών κυττάρων σε εικόνες μικροσκοπίου από Τεστ Παπ. Ιατρική γνώση Αυτόματο σύστημα
Αντικείμενο και στόχοι Κάθε χρόνο παγκοσμίως διαγιγνώσκονται 500.000 νέα κρούσματα και καταγράφονται 250.000 θάνατοι εξαιτίας του καρκίνου του τραχήλου της μήτρας. Ο καρκίνος του τραχήλου της μήτρας είναι ο δεύτερος σε συχνότητα καρκίνος για το γυναικείο φύλο διεθνώς, μετά τον καρκίνο του μαστού. Στην Ελλάδα περίπου 1.000 γυναίκες το χρόνο εμφανίζουν καρκίνο του τραχήλου της μήτρας και του ενδομητρίου. Περίπου 1 στις 2 Ελληνίδες ηλικίας 20-24 ετών είναι φορείς του ιού των ανθρωπίνων θηλωμάτων (HPV).
Τεστ Παπανικολάου (Τεστ Παπ) Απλή γυναικολογική εξέταση που χρειάζεται λιγότερο από δέκα λεπτά και η διαγνωστική του αξία είναι αποδεκτή παγκοσμίως. Μέθοδος πρόληψης του καρκίνου του τραχήλου της μήτρας. Δίνει τη δυνατότητα διάγνωσης του καρκίνου σε εξαιρετικά πρώιμο στάδιο. Ανιχνεύει κύτταρα που έχουν την τάση αργότερα να εξελιχθούν σε καρκινικά. Η εφαρμογή οργανωμένων προγραμμάτων προσυμπτωματικού ελέγχου έχει μειώσει σημαντικά τη θνησιμότητα σε ποσοστό γύρω στο 80%.
Αναγκαιότητα Το μεγαλύτερο ποσοστό του γυναικείου πληθυσμού υπόκεινται σε τακτές ετήσιες γυναικολογικές εξετάσεις που περιλαμβάνουν και το τεστ Παπ. Μεγάλο φόρτος εργασίας στα δημόσια νοσοκομεία. Αξιολόγηση από ειδικευόμενους ιατρούς με περιορισμένη εμπειρία. Διαγνωστικά λάθη με αποτέλεσμα μη φυσιολογικά - καρκινικά κύτταρα ενδεχομένως δεν θα ανιχνευτούν.
Περιοχές ενδιαφέροντος Μεμονωμένα κύτταρα Συστάδες κυττάρων Πυρήνας Κυτταρόπλασμα Περιοχή πυρήνων Η περιοχή του πυρήνα ανιχνεύεται και αξιολογείται, αφού παρουσιάζει σημαντικές μορφολογικές αλλαγές όταν τα κύτταρα προσβάλλονται από μια ασθένεια.
Προτεινόμενη Λύση Ευφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου Αρχική εικόνα Αυτόματη ανίχνευση των πυρήνων Αυτόματη οριοθέτηση περιγράμματος των πυρήνων Αυτόματος εντοπισμός - διαχωρισμός επικαλυπτόμενων πυρήνων Αυτόματη εξαγωγή χαρακτηριστικών και κατηγοριοποίηση κυττάρων Χαρακτηρισμένη εικόνα
Χαρακτηριστικά Εικόνων Μεγάλος βαθμός κυτταρικής επικάλυψης Ανομοιογένεια στη φωτεινότητα Πλασματικά ευρήματα
Αυτόματη Ανίχνευση Πυρήνων Προεπεξεργασία - Ορισμός των περιοχών ενδιαφέροντος στην εικόνα Αυτόματη εύρεση πιθανών θέσεων των κέντρων των πυρήνων Απόρριψη πλασματικών ευρημάτων με μεθόδους μηχανικής μάθησης Ακριβής υπολογισμός των κέντρων των πυρήνων
Αυτόματη οριοθέτηση περιγράμματος πυρήνων Προεπεξεργασία Δημιουργία εικόνας ακμών Εφαρμογή αλγορίθμου υδροκριτών (watershed) για την εύρεση του περιγράμματος Απόρριψη των περιοχών που δεν ανήκουν σε πυρήνες
Εντοπισμός και διαχωρισμός επικαλυπτόμενων πυρήνων Βάση εικόνων μεμονωμένων πυρήνων Εκπαίδευση φυσικού μοντέλου (μάζες-ελατήρια) σε εικόνες της βάσης Στόχος: η στατιστική εκμάθηση των πιθανανών περιγραμμάτων Χρησιμότητα: Πρόβλεψη του επικαλυπτόμενου τμήματος
Εξαγωγή χαρακτηριστικών πυρήνων και αυτόματου διαχωρισμού κυττάρων Σχήματος Κυκλικότητα Εκκεντρότητα Μεγάλος Άξονας Μικρός Άξονας Διάμετρος κύκλου Περίμετρος Φωτεινότητας 3 χαρακτηριστικά σε όλα τα κανάλια (RGB) Υφής Ροπή τρίτης τάξης Ομοιομορφία Εντροπία Ομαλότητα
Δημιουργία Βάσης Δεδομένων Χαρακτηρισμένων Εικόνων Εικόνες με φυσιολογικά και παθολογικά κύτταρα Βασικός επιστημονικός και ερευνητικός στόχος σε παγκόσμιο επίπεδο Ορισμός συστήματος αναφοράς για σύγκριση μεθόδων αυτόματης ανάλυσης εικόνων τεστ Παπ.
Μελλοντική εργασία Ενσωμάτωση των προτεινόμενων μεθόδων επεξεργασίας εικόνων σε ένα «έξυπνο» μικροσκόπιο Αυτόματος εντοπισμός παθολογικών περιοχων στα εξεταζόμενα πλακίδια τεστ Παπ σε πραγματικό χρόνο. Υποβοήθηση στην εξάλλειψη του διαγνωστικού σφάλματος
Δημοσιεύσεις M. E. Plissiti and C. Nikou, Overlapping cell nuclei segmentation using a spatially adaptive active physical model, IEEE Transactions on Image Processing, Vol. 21, No 11, pp. 4568-4580, 2012. M. E. Plissiti and C. Nikou, Cervical cell classification based exclusively on nucleus features, in Proceedings of the International Conference on Image Analysis and Recognition (ICIAR 2012), Aveiro, Portugal, 25-27 June 2012. M. E. Plissiti and C. Nikou, On the importance of nucleus features in the classification of cervical cells in Pap smear images, International Workshop on Pattern Recognition for Healthcare analytics. In conjunction with ICPR'12, Tsukuba, Japan, 11-15 November 2012. Μ. Ε. Plissiti, E. Louka and C. Nikou, Splitting of overlapping nuclei guided by pairs of concavity points, submitted.