EN el cáncer la prevención y un diagnóstico oportuno, Procesamiento de Imágenes Biomédicas Para la Detección Oportuna de Cáncer Cervicouterino

Transcripción

1 III CONGRESO DE ELECTRÓNICA & TELECOMUNICACIONES, UNIVERSIDAD DEL QUINDÍO, Procesamiento de Imágenes Biomédicas Para la Detección Oportuna de Cáncer Cervicouterino Alex Garcia Quinchia. - Juan J. Jaramillo G. Abstract Este trabajo describe un sistema de procesamiento de imágenes digitales para detectar lesiones precursoras de cáncer cervicouterino CaCu. El proceso se realiza identificando las células anómalas en imágenes citológicas; puesto que estas células se diferencian de las normales por la forma, el tamaño y el color de sus núcleos, se ha diseñado un algoritmo en el que se analiza tanto del color como el tamaño de los mismos. El algoritmo desarrollado consta de 3 etapas que son: segmentación, filtrado y detección. La segmentación se basa en representar el color con el modelo HSI (Tono, Saturación e Intensidad) seguido de una umbralización, para los núcleos de interés. En el filtrado se realiza una combinación de filtros morfológicos con elementos estructurantes de forma circular, con el fin de eliminar objetos indeseables. Por último se hace la detección de las células anormales determinando el área de cada núcleo y dependiendo de cuantos exceden cierto límite. Keywords Cáncer Cerviouterino, Procesamiento Digital de Imagenes, Citología, Papanicolaou, Atipia Celular, Anaplasia. I. Introducción EN el cáncer la prevención y un diagnóstico oportuno, son elementos clínicos de valiosa importancia, para reducir la tasa de mortalidad; el cáncer cervicouterino (CaCu) o mas conocido como cáncer de cuello uterino es uno de los mejores ejemplos, debido a que la mayoría de tumores en esta región anatómica, están precedidos de lesiones precancerosas que a menudo pueden durar hasta 20 años, antes de que la lesión avance hasta una fase infiltrante [1]. Existen varios métodos de diagnóstico, como son: la citología exfoliativa, la colposcopía, la histopatología y las pruebas moleculares para detectar ADN del virus del papiloma humano (VPH) que es el causante de las lesiones precancerosas. De los anteriores la prueba más utilizada es la citología con tinción de Papanicolaou, que consiste en tener acceso a las células del cervix mediante una espátula o cepillo cervical, posterior a esto se depositan en una placa y se tiñen; a través del microscopio se realiza un análisis morfológico de las células teniendo en cuenta algunos criterios como: tamaño del núcleo, relación núcleo:citoplasma, color del núcleo, número de nucleolos e irregularidades del citoplasma. Existen dos pasos fundamentales en la realización de una citología, que son: toma de las muestras e interpretación de las placas. Dentro de los problemas más comunes se encuentra una mala interpretación, que se presenta debido a los errores en la lectura de las placas [2], por lo cual, se han desarrollado programas como el PAPNET y el AutoPap que a través del procesamiento digital de imágenes logran identificar células con características anormales. Las placas que dan positivas para estas alteraciones, son revisadas por un citotecnólogo o por un patólogo para definir el diagnóstico. De esta forma, disminuyen las variaciones de interpretación que dependen de la subjetividad de la persona encargada de realizar la lectura. Para utilizar los sistemas antes mencionados (PAP- NET y AutoPap) se requiere además del software, un equipo costoso; por lo que son de difícil acceso en los países en vía de desarrollo, que son los que presentan los índices más altos de mortalidad por CaCu [2]. El presente artículo pretende realizar un aporte a la disminución de los errores en la lectura de las placas de una citología, al incorporar en este porceso un tratamiento digital de imagenes; en el cual, basandose en el tamaño y la cromaticidad del núcleo de las células, se determina cuáles presentan características de atipia celular, lo que indica que posiblemente se esté frente a una lesión precancerosa. II. Desarrollo del Cáncer de Cuello Uterino CaCu En cualquier cáncer, se presentan alteraciones en la arquitectura celular, como: variaciones en el tamaño y forma, tanto de las células como de sus núcleos, esto se denomina pleomorfismo. Así pueden encontrarse células muy grandes junto a otras muy pequeñas. El núcleo contiene abundante ADN y se muestra muy oscuro, es decir, hipercromático, su forma es bastante variable y su tamaño es mucho mayor, mostrando una relación núcleo:citoplasma que puede ser incluso de 1:1, cuando lo normal es que sea 1:4 a 1:6.

2 2 III CONGRESO DE ELECTRÓNICA & TELECOMUNICACIONES, UNIVERSIDAD DEL QUINDÍO, 2006 Hace algún tiempo, los estudios epidemiológicos integraron al VPH a la patogenia del CaCu. Al ser el VPH un agente de transmisión sexual, hace que dentro de los factores de riesgo del CaCu se encuentren: Edad temprana del primer coito Las parejas sexuales numerosas Una pareja masculina con muchas parejas sexuales previas. otros factores menos conocidos son: los anticonceptivos orales, el tabaquismo, el número de partos habidos, los antecedentes familiares, las infecciones genitales asociadas y la falta de circunscisión de la pareja sexual masculina. Pese al gran estudio del que ha sido parte el CaCu, cada año se diagnostican en el mundo unos casos nuevos, la mayoría de los cuales se dan en los países en vía de desarrollo. Las tasas más altas de incidencia se han registrado en el norte de Brasil y en Colombia (70 nuevos casos por cada mujeres). La incidencia baja de manera sorprendente en países con programas amplíos de detección temprana. Precisamente, ésta es la mejor constatación de la efectividad de la citología exfoliativa descrita por Papanicolau, técnica tradicionalmente utilizada en estos programas [1] [4]. A. Neoplasia Intraepitelial del Cuello Uterino Una lesión precancerosa generalmente precede al cáncer de cuello uterino; estas lesiones pueden estar desprendiendo células anormales, que se logran detectar con el frotis de Papanicolaou (citología), de allí su importancia. Las lesiones precancerosas se asocian al VPH, y entre éstos a los tipos de alto riesgo. Las lesiones no siempre evolucionan hacia la formación de un cáncer y pueden sufrir una regresión de manera espontánea, aunque la probabilidad de que evolucionen aumenta con la gravedad de la lesión. III. Algoritmo Para la Detección de Lesiones Precursoras de CaCu El sistema que se propone para realizar el procesamiento digital de la imagen, se muestra en la figura 1. Como puede notarse, el esquema consta de 3 etapas que son: segmentación, filtrado y detección; cada una de ellas se explicará a continuación. Fig. 1. Sistema Propuesto A. Segmentación Después de haber capturado la fotografía de una citología mediante la cámara del microscopio, se obtiene una imagen como la que se muestra en la figura 2. Fig. 2. Imagen de una Citología En la figura 2, se observan células del cervix; las partes más claras corresponden a los citoplasmas, mientras que los segmentos teñidos de manera más oscura representan los núcleos. En células normales la porción ocupada por el núcleo dentro de la célula debe ser menor a la ocupada por el citoplasma, como se mencionó anteriormente. En la imagen encontramos la presencia de algunas células atípicas, en particular en la región central y en la parte inferior derecha de la fotografía; se evidencian núcleos grandes e hipercromáticos. En esta primera etapa del sistema propuesto, se pretende aislar los núcleos de cada una de las células. Para llevarlo a cabo se elige representar el color con el modelo HSI [5]. Después de obtener las tres componentes (tono, saturación e intensidad), en el mapa de tono se establece el intervalo para los colores de los núcleos; que en este caso se encuentra entre 240 o y 290 o. En pruebas realizadas durante la implementación, se observó que la saturación no mostraba gran influencia en la extracción de los núcleos; por tal razón no se hizo uso de la misma. Habiendo localizado los núcleos de las células mediante la umbralización del tono y relacionando esta información con el mapa de intensidad se obtiene la imagen de la figura 3.

3 III CONGRESO DE ELECTRÓNICA & TELECOMUNICACIONES, UNIVERSIDAD DEL QUINDÍO, a un determinado umbral. Una operación de cierre [6], [5], elimina los posibles huecos o agujeros de las células. Los resultados del filtrado morfológico se observan en la figura 5. Fig. 3. Segmentación de los Núcleos B. Filtrado Para mejorar los resultados obtenidos mediante la umbralización manual del mapa de tono, se aplica una etapa de filtrado, donde, la imagen es procesada en escala de grises y de forma binaria. El procedimiento consiste en emplear dos filtros, uno de mínimos y otro de máximos, para realzar los núcleos de la imagen acromática. Posteriormente se realiza un filtrado por mediana para suavizarla, reducir la granulocidad y preservar la agudeza en los bordes de los núcleos [5]. Para obtener la imagen binaria se realizaron pruebas con un umbral fijo seleccionado de manera empírica. La imagen procesada se presenta en la figura 4. Fig. 4. Imagen Binaria Para eliminar aquellas partículas que por su tamaño pueden no ser células, o ser atipias nucleares como coilocitos (células infectadas por el VPH; que generalmente guardan relación con tumores benignos [1]), se emplea un filtro de apertura por área [6]. Esta operación elimina los objetos que poseen un área menor C. Detección Fig. 5. Filtrado Morfológico Una vez obtenida la imagen binaria con los núcleos de interés, y descartando las células presentes en los bordes de la imagen, puesto que pueden no estar completas; se implementa una función para determinar el área de cada una de las regiones blancas (figura 5). El proceso está basado en encontrar un píxel de color blanco y a partir de éste se analiza la conectividad con sus 4-vecinos [5]; si se cumple el criterio de ser iguales, es decir, tener el mismo valor (blanco), se establece una conectividad entre éstos; es así, como se tiene el tamaño de los núcleos. Además, también son etiquetados, cada uno obtiene un valor de referencia. Finalmente, se fija un umbral en el cual dependiendo del área del núcleo se decide si éste tiene un tamaño mayor de lo normal, es decir, donde la relación núcleo:citoplasma está alterada; dado el caso, esto puede representar una posible lesión precursora de CaCu. Los núcleos con anomalías son remarcados mediante la detección de bordes de Prewitt [5]. En la figura 6 se aprecia la superposición de la imagen de bordes y la original. IV. Resutltados Los placas analizadas proceden de la facultad de ciencias de la salud de la Universidad del Quindío, donde, se tomaron aleatoriamente 30 muestras con tinción de Papanicolaou que es la mas recomendada para la citología exfoliativa, de presentar otra coloración, es necesario variar algunos parámetros en el

4 4 III CONGRESO DE ELECTRÓNICA & TELECOMUNICACIONES, UNIVERSIDAD DEL QUINDÍO, 2006 Muestra #Células #Células #Células Anormales Detectadas Fig. 6. Detección algoritmo. Las muestas fueron observadas en un microscopio con cámara integrada Nikon E995. Los resultados sobre el experimento, que han servido como elemento conductor de la mejora del algoritmo, quedan reflejados en la tabla I. El desarrollo de este algoritmo se ha llevado a cabo con Image Processing Toolbox de MATLAB. V. Conclusiones El sistema no pretende en ningún momento reemplazar la capacidad de interpretación del personal especializado, pero, es una buena herramienta de apoyo para la lectura de citologías. El sistema no establece diagnóstico alguno, puesto que la citología no es un método diagnóstico definitivo, y simplemente establece qué pacientes requieren de procedimientos adicionales. El sistema hace la identificación teniendo solo en cuenta el tamaño y color de los núcleos, pero se ignoran otras características de atipia celular, dentro de las cuales se encuentra la relación núcleo:citoplasma, que es un parámetro importante para un patólogo cuando se enfrenta a una citología. En esta aplicación se ha presentado un algoritmo para el análisis de imágenes biomédicas, en particular, el estudio se centra en la morfología de las células de cervix, sin embargo, este método puede ser adaptado en otros exámenes médicos. El sistema implementado al igual que los mencionados en el artículo tienen como limitante la incapacidad TABLA I Resultados para clasificar el tipo de lesión precancerosa. Se presentan fallas en la detección de algunas células con deformaciones, esto puede ser debido a los efectos de la iluminación, puesto que el algoritmo no esta acondicionado para variaciones de este tipo. Referencias [1] ROBBINS, T., COTRAN R. y KUMAR V. Patología Estructural y Funcional Mc Graw Hill, [2] DZUL K., PUERTO M. y GONZÁLES M. Cáncer cervicouterino: métodos actuales para su detección. Laboratorio

5 III CONGRESO DE ELECTRÓNICA & TELECOMUNICACIONES, UNIVERSIDAD DEL QUINDÍO, de Virología de la Universidad Autónoma de Yucatán Mexico, [3] MOLINA R. Introducción al procesamiento y análisis de imáges digitales Departamento de ciencias de la computación, Universidad de Granada, [4] LARIZGOITIA I. Diagnóstico precoz del cáncer cervical: conocimiento actual sobre viejas y nuevas tecnologías Breus, [5] GONZÁLEZ R. y WOODS R. Tratamiento Digital de Imágenes Addison-Wesley, [6] ORTIZ F. Procesamiento Morfológico Imágenes en Color. Aplicación a la reconstrucción Geodésica Departamento de Física, Universidad de Alicante, Autores Garcia Quinchia, Alex. Profesor Catedrático de la Universidad del Quindío en el programa de Ingeniería Electrónica de la Facultad de Ingenierías. Ingeniero Electrónico de la Universidad del Quindío. alexquinchi@yahoo.es. Jaramillo Gutiérrez, Juan José. Profesor Catedrático de la Universidad del Quindío en el programa de Ingeniería Electrónica de la Facultad de Ingenierías. Estudiante de la Universidad del Quindío en el programa de Medicina de la Facultad de Ciencias de la Salud. Ingeniero Electrónico de la Universidad del Quindío. jjj@telesat.com.co.