7. Ejemplos con LightPAP

Transcripción

1 7. Ejemplos con LightPAP La herramienta creada se ha testado con una secuencia de siete imágenes de citologías muy diferentes entre sí. Estas imágenes han sido proporcionadas por un grupo de investigación de la Universidad Politécnica de Barcelona pero no están diagnosticadas ni se dispone de información sobre las mismas (ni tipo de tinción, ni resolución, ni tipo de muestra ). Sin embargo sirven para evaluar el funcionamiento de la aplicación ya que hemos dejado la opción al usuario de modificar los parámetros y umbrales. Vamos a comprobar el funcionamiento de la herramienta caso por caso, y veremos para qué tipos de imagen funciona mejor. Nota: En todas las imágenes de los ejemplos de procesado siguientes, la imagen superior es la imagen original y la imagen inferior es el resultado de la segmentación aplicada Imagen 1 La primera imagen se muestra en la figura, y es muy similar a la estudiada como ejemplo en el apartado anterior. Visualmente muestra unos bordes claramente definidos entre células y núcleos de elevada intensidad. Se aprecian células de dos colores claramente diferenciados: rosado y azul claro. Aparecen artefactos en la parte superior izquierda de la imagen. El fondo es bastante homogéneo. 1

2 Figura 1 Imagen 1 e imagen 1 segmentada por Watershed 2

3 Los parámetros que se han usado para su procesado se ven en el fichero de texto a continuación. Fichero D:\kriz\citology_def\08_03_04_img1\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 18:59 Parámetros de preprocesamiento: Planos de procesado: Escala de grises Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 30 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 180 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 27 Se aprecia a simple vista que los parámetros de preprocesado son los mismos para los que estaba optimizado el procesamiento de la imagen del ejemplo. Se detectan 27 células, cuyas propiedades se indican en el cuadro de Excel que aparece en las siguientes páginas. 3

4 4

5 5

6 6

7 7

8 A continuación se muestra la segmentación Watershed en la Figura 1, y también una imagen en la Figura 2 con las células segmentadas y los núcleos detectados. Estas imágenes se guardan en la carpeta de resultados. Figura 2 Resultado de las células segmentadas con los núcleos marcados Vemos que las células cuya separación se aprecia claramente a simple vista, son segmentadas correctamente. Muchas falsas células son filtradas correctamente, aunque no todas. Un ejemplo es la región número siete de la figura; claramente se ve que no es una célula. En este aspecto podría intentar mejorarse el filtrado. Se puede apreciar que los núcleos los detecta bien la mayoría de las veces, aunque aparecen falsos positivos, como en las células nueve y veintitrés. 8

9 7.2. Imagen 2 Esta es la imagen (Figura 3) con la que hemos expuesto el ejemplo. Así pues no va a hablarse más de ella aquí. Los parámetros de la aplicación están optimizados para esta imagen en concreto. Cuanto más parecidas sean otras imágenes a esta, mejores resultados dará. Figura 3 Imagen 2 e imagen 2 segmentada por Watershed 9

10 6.2. Imagen 3 La imagen 3 es diferente a las dos probadas hasta ahora, aunque no mucho. Vemos que presenta mayormente una coloración rosada tirando a morado, presumiblemente debido al tipo de tinción de la muestra. En esta ya no aparecen, como en la anterior, células de distintos colores. Esto nos hace suponer a priori que puede ser de utilidad la elección de un plano de color en lugar de hacer una media entre los mismos. Esta imagen parece además más emborronada, lo que puede deberse a la captura de la misma. Por último cabe señalar que hay multitud de artefactos (elementos no deseados en la imagen) que pueden dificultar la tarea de procesado. 10

11 Figura 4: Imagen 3 e imagen 3 segmentada por Watershed 11

12 La aplicación genera el fichero de texto que se muestra a continuación. Fichero D:\kriz\citology_def\08_03_04_img3\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 19:53 Parámetros de preprocesamiento: Planos de procesado: Plano verde Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 65 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 200 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 26 En este fichero de texto podemos destacar que el plano elegido ha sido el verde, en lugar de la escala de grises como supusimos al ver la imagen a simple vista. Al modificar esto, también se han tenido que ajustar los umbrales. Las células detectadas han sido 26, cuyas propiedades se indican en la hoja de cálculo de las siguientes páginas. 12

13 13

14 14

15 15

16 16

17 Además puede verse la imagen de la segmentación Watershed en la Error! No se encuentra el origen de la referencia. y, por otra parte, la de las células segmentadas con los núcleos detectados en la Figura 5. Figura 5 Resultados de las células segmentadas y los núcleos detectados Como imaginábamos al principio, la existencia de artefactos en la imagen genera un mayor número de falsos positivos. Si aplicásemos un filtrado más estricto, tal vez se pudiesen eliminar. Las células claramente distinguibles las segmenta correctamente. 17

18 6.3. Imagen 4 La cuarta imagen es bastante similar a las imágenes 1 y 2. Se observan dos diferencias: en primer lugar, todas las células son de color rosado a magenta intenso; por otra parte, las células aparece más apelmazadas en esta imagen que en las anteriores. Esto último nos hace suponer que serán más difíciles de segmentar las células. 18

19 Figura 6: Imagen 4 y resultados de la segmentación Watershed 19

20 La aplicación genera el fichero de texto que se muestra a continuación. Fichero D:\kriz\citology_def\08_03_04_img4\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 20:50 Parámetros de preprocesamiento: Planos de procesado: Escala de grises Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 30 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 180 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 8 En el fichero de texto podemos observar que los parámetros de procesado son idénticos a los de la imagen del ejemplo. Esto ya se había supuesto a simple vista, ya que decíamos que las imágenes eran muy parecidas. Tras aplicar los filtrados nos quedamos con 8 células para analizar. La aplicación calcula sus propiedades y las guarda en la hoja de cálculo mostrada en las páginas siguientes. 20

21 21

22 22

23 Puede verse la imagen de la segmentación Watershed en la Error! No se encuentra el origen de la referencia. y, por otra parte, la de las células segmentadas con los núcleos detectados en la Figura 7. Figura 7 Resultados de las células segmentadas con los núcleos detectados Para esta imagen, a pesar de segmentarse las células correctamente con Watershed, al aplicar el filtrado hay células que no pasan a pesar de cumplir las condiciones. Puede que mejorando el algoritmo de detección de núcleos mejoren los resultados. 23

24 6.4. Imagen 5 La quinta imagen parece muy diferente de las anteriores, pero sólo hay que pararse un momento a observarla para comprobar que realmente no difiere mucho de la imagen 4. El brillo del fondo puede confundir, pero probablemente realizando el adecuado preprocesado se obtengan resultados análogos a los del apartado anterior. Figura 8 Imagen 5 y resultados de la segmentación Watershed 24

25 La aplicación genera el fichero de texto que se muestra a continuación. Fichero D:\kriz\citology_def\08_03_04_img5\parametros.txt Segmentación por Watershed con marcadores Fecha creación: Hora creación: 21:25 Parámetros de preprocesamiento: Planos de procesado: Escala de grises Filtro para ruido: Mediana Tamaño del filtro: 3 Ecualización de histograma: Si Realce de bordes: No Alfa: e-001 Parámetros de ROI: Umbral regiones: 50 Tamaño mínimo de región: 500 Tipo de filtro usado: Sobel Tamaño del elemento morf: 2 Parámetros de segmentación Watershed Umbral segmentacion marcadores: 180 Tamaño de elemento estructural: 3 Parámetros morfológicos de la célula Tamaño máximo de una célula: 2000 Tamaño mínimo de una célula: 500 Tamaño máximo de un núcleo: 40 Tamaño mínimo de un núcleo: 10 Límite de circularidad nucleo: e-001 El número de células detectadas es: 29 Se puede comprobar que el preprocesado es el mismo que en la figura del ejemplo, y que sólo varía el umbral para segmentar la ROI. Se detectan 29 células cuyas propiedades se detallan en la hoja de cálculo de las siguientes páginas. 25

26 26

27 27

28 28

29 29

30 Además puede verse la imagen de la segmentación Watershed en la Figura 8 y, por otra parte, la de las células segmentadas con los núcleos detectados en la Figura 9 Figura 9 Resultado con las células segmentadas y los núcleos detectados Para esta imagen funciona bastante bien tanto la segmentación como el filtrado, aunque como en las anteriores aparecen falsos positivos. Comprobamos así que no es tan diferente a las imágenes anteriores como pensábamos a priori. 30