Identificación de Núcleos de las  Células Epiteliales Asistido por            OrdenadorClaudia Mazo, Maria Trujillo and Li...
Contenido• Introducción• Problema• Enfoque propuesto   – Segmentación de los núcleos de las células   – Segmentación de la...
Contenido Niveles de organización de la vida
Introducción  Canal rojo            Canal verde   Canal azulCanales de color RGB
ProblemaRepositorio Imagen Histologica              Núcleos de la células del tejido epitelial
Enfoque Propuesto• Segmentación de núcleos de las células   – Algoritmo structure tensor maximum     eigenvalues   – Algor...
Enfoque Propuesto• Segmentación de núcleos de las células   – Algoritmo structure tensor maximum     eigenvalues   – Algor...
Segmentación de los Núcleos de las Células                      (a)                 (b)                    (c)            ...
Algoritmo Structure TensorComputation of the structure Tensor and the  resulting eigenvalues are ordered for each  image e...
Algoritmo K-MeansIlustración algoritmo K-Means
Algoritmo K-MeansAssignment stepUpdate stepk setsXj set of observationsμi is the mean of points in Si.mi means to be the c...
Enfoque Propuesto• Segmentación de núcleos de las células   – Algoritmo structure tensor maximum     eigenvalues   – Algor...
Segmentación de Areas de Luz
Algoritmo Otsu• Exhaustively search for the threshold that  minimizes the intra-class variance, defined  as:
Algoritmo Flood-fill• Determines the area connected to a given  node in a multidimensional arrayhttp://en.wikipedia.org/wi...
Enfoque Propuesto• Segmentación de núcleos de las células   – Algoritmo structure tensor maximum     eigenvalues   – Algor...
Distancia Euclidiana1. Calculate the Euclidean distance between each   nucleus and the nearest light area2. Verify members...
Enfoque Propuesto• Segmentación de núcleos de las células   – Algoritmo structure tensor maximum     eigenvalues   – Algor...
Enfoque Propuesto
Algoritmo Largest Eigenvalue of                        Structure TensorOriginal image                 Largest eigenvalue
Algoritmo K-Means
Segmentación de Regiones de Luz Original image      Otsu Segmented regions   Light regions
Experimentos y Análisis de Resultados
Sensibilidad y Especificidad      Confusion Matrix                 Img 1         Img 2   Img 3   Img 4   Img 5   Avg 30   ...
Criterio de Expertos     Expert              Img 1             Img 2           Img 3    Img 4      Img 5Expert 1          ...
Conclusiones• Cells are the foundation for recognising tissues  present in an organ• The proposed approach uses criteria b...
Trabajos Futuros• The obtained result will be used as input to  identify segmented cells of epithelial type to  which belo...
GRACIAS!!!
Upcoming SlideShare
Loading in …5
×

Identificación de Núcleos de las Células Epiteliales Asistido por Ordenador

514 views

Published on

Se presenta un método para la identificación automática de células epiteliales en tejidos de histología. Trabajo presentado en el marco del VIII Congreso Colombiano de Morfología -2012

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
514
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Identificación de Núcleos de las Células Epiteliales Asistido por Ordenador

  1. 1. Identificación de Núcleos de las Células Epiteliales Asistido por OrdenadorClaudia Mazo, Maria Trujillo and Liliana Salazar claudia.mazo@correounivalle.edu.co
  2. 2. Contenido• Introducción• Problema• Enfoque propuesto – Segmentación de los núcleos de las células – Segmentación de las regiones de luz – Segmentación de los núcleos de células epiteliales• Análisis y resultados• Conclusiones• Trabajos futuros
  3. 3. Contenido Niveles de organización de la vida
  4. 4. Introducción Canal rojo Canal verde Canal azulCanales de color RGB
  5. 5. ProblemaRepositorio Imagen Histologica Núcleos de la células del tejido epitelial
  6. 6. Enfoque Propuesto• Segmentación de núcleos de las células – Algoritmo structure tensor maximum eigenvalues – Algoritmo k-means• Segmentación de las regiones de luz – Algoritmo otsu – Algoritmo Flood-fill• Distancia euclidiana
  7. 7. Enfoque Propuesto• Segmentación de núcleos de las células – Algoritmo structure tensor maximum eigenvalues – Algoritmo k-means• Segmentación de las regiones de luz – Algoritmo otsu – Algoritmo Flood-fill• Distancia euclidiana
  8. 8. Segmentación de los Núcleos de las Células (a) (b) (c) (d) (e) (f) (g) (h)(a) Using the Gradient-magnitude e) Using the Structure tensor maximum eigenvalues(b) Using the Gradient-magnitude combining with non- f) Using the Structure tensor minimum eigenvalues maximum gradient suppress g) Using the Normalized cut edge detection simple(c) Using the Hessian tensor maximum eigenvalues h) Using the Normalised cut edge detection with T=3000(d) Using the Hessian tensor minimum eigenvalues
  9. 9. Algoritmo Structure TensorComputation of the structure Tensor and the resulting eigenvalues are ordered for each image element (pixel/voxel)The structure tensor is based in gradient of f:
  10. 10. Algoritmo K-MeansIlustración algoritmo K-Means
  11. 11. Algoritmo K-MeansAssignment stepUpdate stepk setsXj set of observationsμi is the mean of points in Si.mi means to be the centroid i
  12. 12. Enfoque Propuesto• Segmentación de núcleos de las células – Algoritmo structure tensor maximum eigenvalues – Algoritmo k-means• Segmentación de las regiones de luz – Algoritmo otsu – Algoritmo Flood-fill• Distancia euclidiana
  13. 13. Segmentación de Areas de Luz
  14. 14. Algoritmo Otsu• Exhaustively search for the threshold that minimizes the intra-class variance, defined as:
  15. 15. Algoritmo Flood-fill• Determines the area connected to a given node in a multidimensional arrayhttp://en.wikipedia.org/wiki/File:Recursive_Flood_Fill_8_%28aka%29.gif
  16. 16. Enfoque Propuesto• Segmentación de núcleos de las células – Algoritmo structure tensor maximum eigenvalues – Algoritmo k-means• Segmentación de las regiones de luz – Algoritmo otsu – Algoritmo Flood-fill• Distancia euclidiana
  17. 17. Distancia Euclidiana1. Calculate the Euclidean distance between each nucleus and the nearest light area2. Verify membership according to a threshold T
  18. 18. Enfoque Propuesto• Segmentación de núcleos de las células – Algoritmo structure tensor maximum eigenvalues – Algoritmo k-means• Segmentación de las regiones de luz – Algoritmo otsu – Algoritmo Flood-fill• Distancia euclidiana
  19. 19. Enfoque Propuesto
  20. 20. Algoritmo Largest Eigenvalue of Structure TensorOriginal image Largest eigenvalue
  21. 21. Algoritmo K-Means
  22. 22. Segmentación de Regiones de Luz Original image Otsu Segmented regions Light regions
  23. 23. Experimentos y Análisis de Resultados
  24. 24. Sensibilidad y Especificidad Confusion Matrix Img 1 Img 2 Img 3 Img 4 Img 5 Avg 30 ImgsTrue Positive 18 6 22 17 17 19False Negative 6 6 9 0 15 6False Positive 3 7 7 0 13 7True Negative 25 18 23 54 30 24Sensitivity 0,75 0,50 0,71 1 0,53 0,76Specificity 0,89 0,72 0,77 1 0,30 0,77Table 1: Performance evaluation of selected images
  25. 25. Criterio de Expertos Expert Img 1 Img 2 Img 3 Img 4 Img 5Expert 1 Very good Excelent Good Excelent GoodExpert 2 Good Good Good Very good GoodTable 2: Performance evaluation of selected images by expert
  26. 26. Conclusiones• Cells are the foundation for recognising tissues present in an organ• The proposed approach uses criteria based on the morphology of the tissue, which improves the segmentation results• Obtained results provided a closer segmentation to the expert-eye segmentation, according to the expert opinions• The experimental evaluation shows that the obtained segmentation is very close to the real one
  27. 27. Trabajos Futuros• The obtained result will be used as input to identify segmented cells of epithelial type to which belongs• Identify the four basic tissues
  28. 28. GRACIAS!!!

×