Diseño y desarrollo de un sistema de segmentación de estructuras glandulares en imágenes histológicas de próstata

Abstract

[ES] El presente TFG pretende abordar el desarrollo de un sistema de segmentación automática de glándulas en imágenes histológicas de tejido prostático sano, como una primera fase del proyecto nacional SICAP, cuyo objetivo final es proporcionar una herramienta que aporte nuevo conocimiento para la mejora, a corto y medio plazo, del diagnóstico precoz del cáncer de próstata. Para encarar ese objetivo final, se implementa una metodología basada en una clasificación no supervisada que posibilita la agrupación de los distintos tejidos presentes en la imagen en su cluster correspondiente. Por otra parte, se lleva a cabo una clasificación supervisada, con un etiquetado y una extracción de características de las muestras, a fin de poder discriminar los elementos de la imagen que forman parte de glándulas prostáticas y los que no. De esta forma, se emprende la tarea de segmentación a partir de dichos objetos, utilizando una técnica conocida como “Locally Constrained Watershed Transform”, definida como una variante de la tradicional “watershed con marcadores”. Con la intención de encarar líneas venideras de investigación, en este proyecto, además de detallar las diversas problemáticas encontradas y las posibles soluciones para la mejora de los algoritmos, se exponen también unos resultados que permiten evaluar el sistema propuesto. Estos resultados radican en: (i) la elección del mejor clasificador para entrenar las características extraídas de las muestras, (ii) la predicción realizada para la clasificación de nuevas imágenes histológicas, y (iii) la segmentación automática implementada como finalidad última del trabajo. Los resultados obtenidos aportarán nueva información para contribuir al cumplimiento del objetivo final, el cual reside en el desarrollo de un sistema de ayuda al diagnóstico precoz del cáncer de próstata.

[CA] El present TFG pretén abordar el desenvolupament d’un sistema de segmentació automàtica de glàndules en imatges histològiques de teixit prostàtic sà, com una primera fase del projecte nacional SICAP, l’objectiu final del qual és proporcionar una ferramenta que aporte nou coneixement per la millora, a curt i mig termini, del diagnòstic precoç del càncer de pròstata. Per encarar aquest objectiu final, s’implementa una metodologia basada en una classificació no supervisada que possibilita l’agrupació de diversos teixits presents a la imatge en el clúster corresponent. D’altra banda, es realitza una classificació supervisada, amb un etiquetatge i una extracció de característiques de les mostres, a fi de poder discriminar els elements de la imatge que formen part de les glàndules prostàtiques i els que no. D’aquesta manera, s’emprén la tasca de segmentació a partir de aquests objectes, utilitzant una tècnica coneguda com “Locally Constrained Watershed Transform”, definida com una variant de la tradicional “Watershed amb marcadors”. Amb la intenció d’encarar línies futures de la investigació, en aquest projecte, a més de detallar les diverses problemàtiques trobades i les possibles solucions per la millora dels algoritmes, s’exposen també uns resultats que permeten avaluar el sistema proposat. Aquests resultats radiquen en: (i) l’elecció del millor classificador per a entrenar les característiques extretes de les mostres, (ii) la predicció realitzada per la classificació de noves imatges histològiques, i (iii) la segmentació automàtica implementada com a última finalitat del treball. Els resultats obtinguts aportaran nova informació per contribuir a l’acompliment de l’objectiu final, el qual resideix en el desenvolupament d’un sistema d’ajuda al diagnòstic precoç de càncer de pròstata.

[EN] This TFG aims to approach the development of an automatic glands segmentation system on histological images of prostatic healthy tissue, as a first step for the national SICAP project, of which the final objective is to develop a tool that provides knowledge for the improvement, in the short and medium term, of early diagnosis of prostatic cancer. In order to face this final objective, a methodology based on non-supervised classification that allows grouping different tissues of the image in their corresponding cluster is implemented. Additionally, supervised classification is performed, with labelling and extraction of sample characteristics, with the objective of being able to discriminate between elements of the images that are part of prostatic glands and those that are not. This way, the task of segmentation is started from these objects, using a technique known as “Locally Constrained Watershed Transform”, defined as a variant of the classic “Watershed With Markers”. With the intention of facing future lines of research, in this project, aside from detailing different problems found and possible solutions for the improvement of the algorithms, results are presented that allow for evaluation of the proposed system. These results consist of: (i) the choice of the best classifier to train the features extracted from the samples, (ii) the prediction given for the classification of new histological images, and (iii) automatic segmentation implemented as the final objective of this work. The obtained results will give new information that contributes to the accomplishment of the final objective of SICAP, which consists on the development of an early diagnosis guidance system for prostatic cancer.