Aplicación de técnicas de procesado de imagen para las segmentación de núcleos en muestras histológicas humanas

Abstract

[ES] El presente trabajo final de grado se relaciona con uno de los campos de mayor evolución en la medicina moderna, la patología digital. De manera más específica, este proyecto se centra en la segmentación nuclear la cual tiene como objetivo extraer las características del núcleo para conseguir información relevante que ayude al personal sanitario a conseguir realizar un mejor diagnóstico. En la actualidad existen diferentes métodos computacionales que permiten realizar la detección, segmentación y clasificación nuclear en muestras histológicas de manera más eficiente y completa que los métodos convencionales de diagnóstico propios de la anatomía patológica. La elección de éstos depende de la aplicación, del propósito que se quiera conseguir y del tipo de muestras del que se disponga. El objetivo principal de este trabajo es conseguir implementar diferentes técnicas de segmentación nuclear y realizar una comparación de éstas mediante análisis cuantitativo, para saber cuál ha obtenido mejores resultados, es decir, qué técnica ha sido la más eficiente para nuestro caso. Tras realizar un análisis del estado del arte de la segmentación nuclear, y teniendo en cuenta las limitaciones presentes, se han implementado tres técnicas diferentes; el método Otsu (binivel y multinivel), la transformada Watershed con marcadores, ambas técnicas utilizan dos imágenes de grises diferentes como entrada y, por último, la técnica de agrupamiento K - means, que utiliza como entrada una imagen RGB. Las imágenes que estas técnicas van a utilizar son imágenes de muestras histopatológicas de colon que pertenecen a tres tipos distintos; muestras de células normales, muestras de células cancerosas y muestras de células que forman parte de adenomas.