Aplicación de técnicas de procesado avanzado de imagen para la detección y discriminación de muestras histológicas humanas

Abstract

Currently, the final diagnosis of certain cancers, such as colon or prostate, is performed by examining biopsies of suspicious tissue. Thin sections of tissue are extracted from the biopsies and then processed and observed under a microscope by a pathologist expert, who makes the final assessment. This judgment is generally subjective and depends largely on the experience of the expert. Therefore, a relatively high discrepancy between diagnoses issued by different pathologists can exist. In recent years there has been a breakthrough in automatic acquisition devices of digital microscopic images. The obtained images contain a high level of detail, so relatively complex techniques of image processing can be applied. Therefore, there is a high potential for the development of tools for quantitative analysis and aided final pathology diagnosis. In this work, different methods of image processing and machine learning will be applied to extract and classify features that discriminate certain regions of interest of histological samples. Moreover, the same techniques may be used for the detection of cancerous regions or the classification of tissue samples in different grades of progression of cancer.

Actualmente, el diagnóstico definitivo de ciertos tipos de cáncer, como el de colon o el de próstata, se lleva a cabo mediante el estudio de biopsias de tejido sospechoso. De las biopsias se extraen finos cortes que son procesados y observados al microscopio por un patólogo experto que emite la valoración final. Este juicio generalmente es subjetivo y depende en gran medida de la experiencia del especialista, existiendo una discrepancia relativamente alta entre los diagnósticos emitidos por distintos patólogos. En los últimos años se ha producido un gran avance en los dispositivos de captación automática de imágenes microscópicas digitales. Las imágenes que se obtienen contienen un alto nivel de detalle, pudiendo aplicarse distintas técnicas de procesamiento de imagen de relativa complejidad. Por tanto, existe un alto potencial para el desarrollo de herramientas de análisis cuantitativo y de ayuda al diagnóstico histopatológico final. En este trabajo se aplicarán distintos métodos de procesado de imagen y aprendizaje automático (machine learning) para la extracción y clasificación de características que permitan discriminar ciertas regiones de interés de las muestras histológicas. A su vez, las mismas técnicas se podrán utilizar para la detección de regiones cancerígenas o la clasificación de las muestras en distintos tipos de grado de avance del cáncer.