[논문 리뷰] Determining Leishmania Infection Levels by Automatic Analysis of Microscopy Images

Pedro Nogueira|arXiv (Cornell University)|2013. 11. 11.

Cell Image Analysis Techniques참고 문헌 54인용 수 6

한 줄 요약

이 논문은 현미경 영상을 사용하여 매크로파지 내 리슈만니아 감염 수준을 정량화하기 위한 자동화된 컴퓨터 비전 시스템을 제안한다. 다중 임계값 분할, SVM 기반 투표, 그리고 가우시안 혼합 모델을 활용하여 기생충과 세포핵을 고정밀도로 감지하고 세는 데 성공하였으며, 생물의학 연구에서 수작업의 노력과 주관성을 크게 감소시켰다.

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.

연구 동기 및 목표

• 현미경 영상에서 리슈만니아 기생충을 수작업으로 세는 데 소요되는 시간과 실수를 줄이기 위해.
• 인간 기반 세기에서 비롯되는 주관성과 일관성 부족을 제거하기 위해 수작업 세기 대신 자동 분석으로 감염 수준 평가를 대체하기 위해.
• 이미지 처리 및 패턴 인식을 활용하여 매크로파지당 기생충 부하를 객관적이고 견고한 방법으로 정량화하는 방법을 개발하기 위해.
• 매크로파지 세포핵, 기생충, 세 cytoplasm 영역의 감지를 자동화하여 생물의학 연구의 처리 능력과 신뢰성을 향상시키기 위해.

제안 방법

• 일관된 입력을 확보하기 위해 현미경 영상의 조명 정규화를 적용하여 사전 처리를 수행한다.
• 세 개의 병렬 알고리즘을 사용한다: 하나는 세포핵 감지(적응형 다중 임계값 + 특징 기반 분류), 하나는 기생충 감지(다른 임계값 제약 조건), 하나는 세 cytoplasm 감지(분류 없이 컷오프 방식).
• 객체 수(예: 중첩 영역 내 다중 세포핵 또는 기생충) 추정을 위해 지지 벡터 기반 투표 시스템과 영역 특징을 통합한다.
• 초기 투표 기반으로 감지된 영역을 가우시안 혼합 모델을 적용하여 분리함으로써 객체 간 분리도 향상시킨다.
• 기생충을 가장 가까운 매크로파지 세포핵과의 유클리드 거리 최소값을 이용해 할당함으로써 감염 수준을 결정한다.
• 모든 구성 요소를 통합된 파이프라인으로 통합하여 자동 감염 지수 계산을 수행한다.

실험 결과

연구 질문

• RQ1 자동화된 영상 분석이 매크로파지 내 리슈만니아 기생충 수를 세는 데 있어 인간의 실수와 주관성을 줄일 수 있는가?
• RQ2 컴퓨터 비전 기술이 현미경 영상 내 중첩 영역에서 다수의 기생충과 세포핵을 얼마나 정확하게 감지하고 세는가?
• RQ3 다중 임계값 분할, SVM 기반 투표, 가우시안 혼합 모델의 조합이 복잡한 생물학적 영상에서 객체 감지 및 분리에 얼마나 기여하는가?
• RQ4 제안된 방법이 다양한 현미경 영상 데이터셋에서 신뢰성 있고 일관된 감염 수준 정량화를 달성할 수 있는가?
• RQ5 자동화된 시스템은 속도, 정확도, 재현 가능성 측면에서 수작업 세기와 비교해 어떻게 성능을 발휘하는가?

주요 결과

• 제안된 시스템은 리슈만니아 기생충과 매크로파지 세포핵의 감지 및 세기 과정을 자동화함으로써 수작업의 노력을 크게 감소시켰다.
• SVM과 영역 특징을 통합한 투표 시스템은 중첩 영역 내 다수의 객체 수 추정 정확도를 향상시켰다.
• 가우시안 혼합 모델은 다수의 기생충 또는 세포핵을 포함한 영역을 효과적으로 분리하여 객체 간 분리도 향상시켰다.
• 기생충을 매크로파지 세포핵과 가장 가까운 거리로 할당하는 최소 유클리드 거리 기반 접근법은 세포당 감염 수준의 정확한 정량화를 보장한다.
• 이 방법은 높은 일관성과 객관성을 확보하여 인간 기반 세기의 피로와 변동성 문제를 극복하였다.
• 시스템은 수작업 평가의 신뢰할 수 있는 대안으로 검증되었으며, 향후 고속 처리 생물의학 연구 워크플로우에 통합될 잠재력을 지닌다.