[論文レビュー] Determining Leishmania Infection Levels by Automatic Analysis of Microscopy Images

Pedro Nogueira|arXiv (Cornell University)|Nov 11, 2013

Cell Image Analysis Techniques参考文献 54被引用数 6

ひとこと要約

本論文は、顕微鏡画像を用いてマクロファージ内のリーシュマニア感染レベルを自動的に定量するためのコンピュータビジョンシステムを提案する。マルチスレッショルドセグメンテーション、SVMベースのボーティング、およびガウス・ミックスチャネル・モデルを用いて、寄生虫および核を高精度に検出・数える。これにより、生物学的・医学的研究における手作業による作業と主観性が顕著に低減される。

ABSTRACT

Analysis of microscopy images is one important tool in many fields of biomedical research, as it allows the quantification of a multitude of parameters at the cellular level. However, manual counting of these images is both tiring and unreliable and ultimately very time-consuming for biomedical researchers. Not only does this slow down the overall research process, it also introduces counting errors due to a lack of objectivity and consistency inherent to the researchers own human nature. This thesis addresses this issue by automatically determining infection indexes of macrophages parasite by Leishmania in microscopy images using computer vision and pattern recognition methodologies. Initially images are submitted to a pre-processing stage that consists in a normalization of illumination conditions. Three algorithms are then applied in parallel to each image. Algorithm A intends to detect macrophage nuclei and consists of segmentation via adaptive multi-threshold, and classification of resulting regions using a set of collected features. Algorithm B intends to detect parasites and is similar to Algorithm A but the adaptive multi-threshold is parameterized with a different constraints vector. Algorithm C intends to detect the macrophages and parasites cytoplasm and consists of a cut-off version of the previous two algorithms, where the classification step is skipped. Regions with multiple nuclei or parasites are processed by a voting system that employs both a Support Vector Machine and a set of region features for determining the number of objects present in each region. The previous vote is then taken into account as the number of mixtures to be used in a Gaussian Mixture Model to decluster the said region. Finally each parasite is assigned to, at most, a single macrophage using minimum Euclidean distance to a cell nucleus, thus quantifying Leishmania infection levels.

研究の動機と目的

• 顕微鏡画像におけるリーシュマニア寄生虫の手作業による数え上げの時間とミスの問題を解決する。
• 人間による数え上げに代わって自動分析を導入することで、感染レベルの評価における主観性と一貫性の欠如を低減する。
• 画像処理とパターン認識を用いて、マクロファージ1個あたりの寄生虫負荷を堅牢で客観的な方法で定量する。
• マクロファージの核、寄生虫、サイトオプラズム領域の検出を自動化することで、生物学的・医学的研究におけるスループットと信頼性を向上させる。

提案手法

• 入力の一貫性を確保するため、顕微鏡画像の前処理として照明補正を適用する。
• 3つの並列アルゴリズムを用いる：核検出用（適応的マルチスレッショルド＋特徴ベース分類）、寄生虫検出用（異なるスレッショルド制約）、サイトオプラズム検出用（分類なしのカットオフ版）。
• オブジェクト（例：重複領域内の複数の核や寄生虫）の数を推定するために、サポートベクターマシンと領域特徴を組み合わせたボーティングシステムを実装する。
• 初期のボーティングに基づいて、領域を分離するためにガウス・ミックスチャネル・モデルを適用する。
• 寄生虫を最も近いマクロファージの核に割り当てるために、最小のユークリッド距離を用いることで感染レベルを決定する。
• すべてのモジュールを統合したパイプラインを構築し、自動感染指数の計算を実現する。

実験結果

リサーチクエスチョン

• RQ1 自動画像解析は、マクロファージ内のリーシュマニア寄生虫の数え上げにおける人為的誤差と主観性を低減できるか？
• RQ2 コンピュータビジョンは、顕微鏡画像内の重複領域に複数の寄生虫や核が存在する場合に、それらをどれほど正確に検出・数えることができるか？
• RQ3 マルチスレッショルドセグメンテーション、SVMベースのボーティング、およびガウス・ミックスチャネル・モデルの組み合わせが、複雑な生物学的画像におけるオブジェクト検出と分離をどの程度向上させるか？
• RQ4 提案手法は、多様な顕微鏡画像データセットにおいて、信頼性があり一貫性のある感染レベルの定量を達成できるか？
• RQ5 自動システムは、速度、正確性、再現性の観点から、手作業による数え上げと比較してどの程度優れているか？

主な発見

• 提案されたシステムにより、リーシュマニア寄生虫およびマクロファージの核の検出と数え上げが自動化され、手作業による作業が顕著に低減された。
• SVMと領域特徴を組み合わせたボーティングシステムにより、重複領域内に複数のオブジェクトが存在する場合の推定精度が向上した。
• ガウス・ミックスチャネル・モデルにより、複数の寄生虫や核を含む領域の分離が効果的に実現され、オブジェクト分離の精度が向上した。
• 寄生虫をマクロファージの核に最も近い距離で割り当てる手法により、細胞ごとの感染レベルの正確な定量が可能になった。
• 本手法は高い一貫性と客観性を達成しており、疲労や変動による人為的数え上げの限界を克服した。
• 本システムは、手作業による評価の信頼できる代替手段として検証され、高スループットな生物学的・医学的研究ワークフローへの統合が可能である。