[논문 리뷰] Clumped Nuclei Segmentation with Adjacent Point Match and Local Shape based Intensity Analysis for Overlapped Nuclei in Fluorescence In-Situ Hybridization Images

Xiaoyuan Guo, Hanyi Yu외 4명|arXiv (Cornell University)|2018. 08. 14.

Medical Image Segmentation Techniques참고 문헌 5인용 수 3

한 줄 요약

이 논문은 형광 현미경 영상에서 고도로 뭉쳐진 세포핵을 분할하기 위한 새로운 방법을 제안한다. 이 방법은 고곡률 점 투표, 타원형 적합도 평가를 통한 인접 점 쌍 선별, 그리고 국소적 형태 기반 강도 분석을 통해 겹쳐진 세포핵 간의 분리 곡선을 복원한다. 뇌종양 조직의 560개 영상 패치에서 평가한 결과, Jaccard 지수(최대 0.86 대 0.44)와 Hausdorff 거리(13.1 대 34.6 픽셀)에서 마커 제어 워터셰드보다 유의하게 뛰어난 성능을 보이며, 서로 가까이 붙어 있는 세포핵을 정확하게 분리하는 데서 뛰어난 정확도를 입증한다.

ABSTRACT

Highly clumped nuclei clusters captured in fluorescence in situ hybridization microscopy images are common histology entities under investigations in a wide spectrum of tissue-related biomedical investigations. Due to their large scale in presence, computer based image analysis is used to facilitate such analysis with improved analysis efficiency and reproducibility. To ensure the quality of downstream biomedical analyses, it is essential to segment clustered nuclei with high quality. However, this presents a technical challenge commonly encountered in a large number of biomedical research, as nuclei are often overlapped due to a high cell density. In this paper, we propose an segmentation algorithm that identifies point pair connection candidates and evaluates adjacent point connections with a formulated ellipse fitting quality indicator. After connection relationships are determined, we recover the resulting dividing paths by following points with specific eigenvalues from Hessian in a constrained searching space. We validate our algorithm with 560 image patches from two classes of tumor regions of seven brain tumor patients. Both qualitative and quantitative experimental results suggest that our algorithm is promising for dividing overlapped nuclei in fluorescence in situ hybridization microscopy images widely used in various biomedical research.

연구 동기 및 목표

• 형광 현미경 영상에서 매우 뭉쳐진 세포핵을 정확하게 분할하는 문제를 다루어, 신뢰할 수 있는 후속 생물의학 분석에 기여하고자 한다.
• 기존 방법의 한계—형태 기반 접근에서의 과소 분할 및 워터셰드 방법에서의 과다 분할—을 국소적 윤곽 형태와 강도 특징을 활용하여 극복하고자 한다.
• 세포핵 간 연결 점 쌍을 식별하고, 형태 인식 강도 분석을 통해 정밀한 분리 곡선을 복원하는 견고한 알고리즘을 개발하고자 한다.
• 실제 임상 영상 패치(뇌종양 조직에서 촬영)를 대상으로 방법을 검증하여 생물의학 연구에 실질적인 관련성을 확보하고자 한다.

제안 방법

• 초기 세포핵 경계는 DAPI 표지된 blue 채널에 대해 전역 적응형 임계값 처리를 적용한 후, 매끄러운 윤곽선에서 곡률을 계산한다. 공식은 $\kappa = \frac{x'y'' - y'x''}{(x'^2 + y'^2)^{3/2}}$ 를 사용한다.
• 고곡률 점은 투표 메커니즘을 통해 표현된다: $s^* = \frac{\int_{\partial C} \kappa(s)s\,ds}{\int_{\partial C} \kappa(s)\,ds}$ 로, 오목한 부분에서 중복을 줄이기 위해 최적의 대표 점을 선정한다.
• 인접한 점 쌍은 곡률 기반 거리 척도로, 비인접한 점 쌍은 곡률, 거리, 법선 벡터 각도를 통합한 척도로 선별한다.
• 인접한 점 쌍은 타원형 적합도 지표를 통해 연결 유효성을 평가한다. 이 지표는 적합 각도, 면적, 중심 이동, 둘레 변화, 타원형 비율을 평가한다.
• 분리 곡선은 섹터 형태의 탐색 영역 내에서 국소적 형태 기반 강도 분석을 통해 복원되며, 헤시안 고유값을 경로 추적 제약 조건으로 사용한다.
• 이 방법은 직선 분리 방식을 피하여 세포핵 간 복잡한 곡선 경계를 모델링함으로써 분할 정밀도를 향상시킨다.

실험 결과

연구 질문

• RQ1 고곡률 점 투표는 뭉쳐진 세포핵 분할에서 중복된 후보 탐지 문제를 줄이고 계산 효율성을 향상시킬 수 있는가?
• RQ2 곡률, 거리, 법선 벡터 정렬을 통합한 종합적 스크리닝 척도는 진정된 세포핵 연결 후보를 효과적으로 식별할 수 있는가?
• RQ3 타원형 적합도 평가가 단순 기하 기준에 비해 세포핵 쌍 연결 결정의 신뢰성을 향상시킬 수 있는가?
• RQ4 국소적 형태 기반 강도 분석은 전통적인 워터셰드 방법에 비해 겹쳐진 세포핵 영역에서 더 정확한 분리 곡선을 복원할 수 있는가?
• RQ5 제안된 방법은 실제 형광 현미경 영상 패치에서 마커 제어 워터셰드에 비해 어느 정도 더 뛰어난 분할 정확도를 보이는가?

주요 결과

• 제안된 방법은 종양 가장자리(TM) 영역에서 평균 Jaccard 지수 0.86(표준편차: 0.14), 복합 종양(BT) 영역에서 0.80(표준편차: 0.19)을 기록했으며, 마커 제어 워터셰드 방법이 각각 0.40과 0.38을 기록한 것에 비해 유의미하게 뛰어나다.
• Hausdorff 거리는 TM 영역에서 13.1 픽셀(표준편차: 18.1), BT 영역에서 15.0 픽셀(표준편차: 19.6)으로 줄었으며, 워터셰드 방법의 34.6 및 34.3 픽셀과 비교해 경계 일치도가 향상됨을 시사한다.
• 환자 5의 경우, TM 영역에서 Jaccard 지수 0.86(표준편차: 0.12), BT 영역에서 0.80(표준편차: 0.17)를 기록하여 다양한 조직 유형에서 일관된 성능을 보였다.
• 이 방법은 워터셰드 방법(재현율: 0.40–0.55; F1: 0.53–0.68)에 비해 높은 재현율(0.87–0.95)과 F1 점수(0.88–0.92)를 기록하여 진정된 세포핵 분리의 탐지 능력이 뛰어나다는 것을 보여준다.
• 워터셰드 방법이 실패한 복잡한 겹쳐진 세포핵 군집에서도 이 알고리즘이 성공적으로 해결했으며, 네 개의 대표적 영상 패치에서의 정성적 비교를 통해 이를 확인했다.
• 일곱 명의 환자와 두 가지 종양 영역(BT 및 TM)에서의 일관된 성능을 통해 이 방법이 조직 조밀도와 세포핵 형태의 변동성에 대해 견고함을 입증했다.