|
|
Segmentation of phase contrast images in multi epitope ligand cartography (MELC) for image quantification at the single cell level
Mívalt, Filip ; Taschner-Mandl,, Sabine (referee) ; Mehnen, Lars (advisor)
Technologie Multi-Epitope Ligand Cartography (MELC) umožňuje mikroskopickou vizualizaci více buněčných kompartmentů za pomocí více imunofluorescenčních barviv. Tato pipeline tudíž umožňuje charakterizaci fenotypu pro všechny buňky nacházející se ve vzorcích kostní dřeně u pacientů s neuroblastomem. Přiřazení protilátkového signálu k odpovídající plazmatické membráně jednotlivých buněk je založeno na segmentaci buněčného jádra a algoritmu region growing, jenomže tahle metoda skutečný tvar buňky pouze aproximuje. Tento přístup je mimořádně chybový, pokud je aplikován na překrývající se buňky kvůli nejednoznačnému přiřazení jednoho protilátkového signálu více buňkám. Následně se pak tato chyba dostává až do popisných parametrů charakterizujících každou buňku zvláště, čímž může být ovlivniněna navazující klasifikace nebo kvantifikace buněčného fenotypu. Z toho důvodu je vyžadována segmentace fázově kontrastních obrazů, které jsou pořízeny současně s každým fluorescenčním snímkem, a zobrazují celou buňku (včetně cytoplazmy a jádra). Tato segmentace poskytuje přesné segmentační masky reprezentující celou buňku. Implementovali jsme automatizovanou strategii pro segmentaci těchto fázově kontrastních obrazů využívajíce Mask R-CNN. Algoritmus dosáhl celkového F1 skóre (pro detekci objektů) 0.935 a F1 skóre (pro klasifikaci na úrovni pixelů) 0.868, přičemž byl trénován pouze s malým anotovaným datasetem. Natrénovaný model byl implementován do existující pipeline pro zpracování MELC dat. Kromě toho, poskytujeme anotovaný dataset čítající 54 fázově kontrastních obrazů Cytospin preparátů kostní dřeně obsahující celkově 1 940 buněk. Implementovaný model Mask R-CNN umožňuje studovat popisné parametry charakterizující každou buňku zvláště za použití segmentačních masek odvozených z fázově kontrastních obrazů, které reprezentující celou buňku a tímto tedy zlepšuje automatickou kvantitativní analýzu buněk nacházejících se v kostní dřeni ve výzkumu dětské rakoviny.
|
|
|
Segmentation of cells from microscopic images
Lašan, Michal ; Soukup, Jindřich (advisor) ; Blažek, Jan (referee)
In this thesis, we present a new method for the automatic segmentation of mammalian cancer cells from time-lapse images obtained by a microscope based on phase contrast. This method is a pipeline composed of basic techniques from the field of image processing, mathematical morphology and the theory of graphs. Its main idea is to utilize the presence of halo artifacts around the cells, which cause the boundaries between the cells to be lighter than the rest of the image. It follows up to the method proposed by Jindřich Soukup which is able to separate the cells from the background. We compare this method to the watershed - a publicly available algorithm from the field of mathematical morphology. We use segmentation by a human expert as the ground truth. The presented method is implemented in MATLAB and Java with a simple and intuitive interface. We also attach a straightforward GUI editor of segmentation written in Java, with the help of which a user can correct imprecisions in the segmentation, or even create their own manual segmentation. Powered by TCPDF (www.tcpdf.org)
|
guest ::
