Концептуальная модель распознавания бластных клеток в системе компьютерной микроскопии

При исследовании периферической крови пациентов с острым лейкозом врачи-гематологи сталкиваются с задачей идентификации бластных клеток, наблюдаемых в микроскопе. Но, несмотря на существующие многочисленные описания разных видов бластных клеток [1 – 3] актуальность проблемы правильной идентификации бластных клеток не уменьшается, так как даже среди специалистов возникают спорные вопросы. А в условиях территориальной удаленности гематологических центров и дефицита высококвалифицированных специалистов на местах ситуация в области диагностики острых лейкозов может приобретать критический характер. Целью настоящей статьи является разработка концептуальной модели распознавания бластных клеток в системах компьютерной микроскопии.

Подход к описанию бластных клеток крови

Задача распознавания бластных клеток крови на основе светового микроскопирования [4] сопряжена с проблемой формирования совокупности призна-

Методы описания клеток крови

Качественный

Количественный

Комбинированный

Рис. 1. Методы описания клеток крови признаков является субъективизм оценки и невысокая точность итоговой оценки. Современные компьютерные анализаторы микроскопических изображений имеют возможности для проведения автоматизированного измерения количественных характеристик клеток крови. Для этого необходимы разработки методов, моделей, алгоритмов и программ, обеспечивающих автоматизацию указанных измерений. Количественные признаки для идентификации бластов

Всем качественным признакам, которые оцениваются визуально, можно поставить в соответствие количественные признаки. Этот процесс можно реализовать автоматически. При этом можно выделить следующие группы признаков: характеристики количества структурных элементов клетки (ядрышек, палочек Ауэра и т.п.), геометрические характеристики (размер и форма структурных элементов – ядер, цитоплазмы, ядрышек и т.п.), цветовые (цвет ядра, цитоплазмы, зерен в цитоплазме), контрастные (относительная интенсивность окраски цитоплазмы и ядра клетки), текстурные (статистические характеристики пространственного распределения яркости цветовых компонентов в области ядра и цитоплазмы). Одним из существенных признаков бластной клетки является нежносетчатая структура хроматина [1]. Так как это признак качественный, а его оценка субъективна, для автоматизации распознавания бластных клеток необходимо использовать количественные признаки, характеризующие структуру хроматина. Поскольку понятие «нежная сетчатость» связано с характерным рисунком пространственного распределения яркости точек на изображении ядра клетки, то для количественной оценки этой характеристики предлагается использовать текстурные признаки.

Текстурные признаки

Одним из способов оценки текстурных свойств изображений клеток крови является расчет пространственной взаимозависимости значений яркости пикселей изображения объекта, с помощью матрицы пространственной смежности G. Элемент матрицы G (i, j) определяется как количество таких пар пикселов в изображении, у которых i – яркость первого пиксела, а j – яр- кость второго пиксела, при этом пара рассматриваемых пикселов находится на заранее установленном расстоянии друг от друга и по заданному направлению [6]. Для того чтобы на значение показателя не влиял размер исследуемой области применяют нормализацию матрицы пространственной смежности. Элемент нормализованной матрицы пространственной смежности определяется следующим образом:

g , = G (i, j )/(22 G ( i ,j). ij

Если используется 8-битное кодирование яркости, то нормализованная матрица пространственной смежности представляет собой двумерный массив чисел размерностью 256×256. На основе значений элементов этого массива рассчитывают характеристики отражающие особенности пространственного распределения яркости в изображении. Для решения задачи распознавания бластных клеток предлагается [5] использовать следующие характеристики [6].

• 1.    Энергия (степень однородности)

• 2.    Момент инерции

• 3.    Энтропия

• 4.    Локальная однородность

  

• 5.    Максимальная вероятность

ASM =22g2, ij где gij – элемент матрицы пространственной смежности, i,j – меняются от 0 до 255(при 8-битном кодировании яркости в цифровом изображении);

CON = 22 ( i - j) g j ; ij

ENT = -2E"/|og^/ ’ i j

MPR = max max g...

Комбинированные признаки для идентификации бластов

Совокупность качественных и количественных признаков, описывающих клетку крови, может включать комбинации различных категорий признаков, например: морфологические, текстурные, цветовые.

Для описания изображений клеток крови в данной работе выбраны комбинированные признаки, что отражено в приведенной ниже концептуальной модели распознавания бластных клеток М_D :

M D = {M VH , Pr, S, Ko, Ka, Cl, Dk, Re}.

Здесь M_VH – цифровое изображение клетки крови, определяемое следующим образом. Пусть на наблюдаемом в микроскоп изображении условно нанесены координатные оси Х и Y , а яркость в точках изображения описывается функцией двух координат а=А(x,y) , при этом x ∈ R , y ∈ R, а ∈ R , где R – это множество вещественных чисел. Введем X_а = {x₁, … , x_N} – множество координат дискретных отсчетов по оси абсцисс, N – количество дискретных отсчетов по этой оси; Y_а = {y₁, … , y_M} – множество координат дискретных отсчетов по оси ординат изображения, M – количество дискретных отсчетов по оси ординат; Z_а = {z₁, … , z_K} – множество значений уровней квантования яркости изображения, К – количество уровней квантования яркости. Множество точек изображения, формирующих отсчеты для цифрового изображения, задается декартовым произведением X a х Y a . А отображение

X_a × Y_a → Z_а определяет уровень квантования яркости изображения в дискретных отсчетах так, что

∀ i,j ∃ ! k ∀ m |А(x i , y j ) ₋ z k | ≤ |А(x i , y j ) ₋ z m | .

Значение k -го уровня квантования яркости, соответствующего точке с координатами x_i, y j обозначим как z_k(x_i, y j ) . Определим множества целых чисел

X ={1,…,N}, Y={1, … , M}, Z= {0, … , K-1} и введем отображения Ха→X, Yа→Y, Zа→Z, таким образом что

∀i,j,k (xi ↔ xdi / xdi ∈ X, yj ↔ ydj/ ydj ∈ Y, zk ↔ zdk / zdk ∈ Z,), где знак ↔ обозначает взаимнооднозначное соответствие. Тогда цифровое изображение определим как отображение MVH: X×Y → Z, такое что ∀i,j∃! k zdk (xdi , ydj) ↔ zk (xi , yj).

Pr – операция предобработки изображения клетки крови с целью устранения влияния искажающих изображение факторов (шум, неравномерность фона и т.п.); S – сегментация изображения клетки крови, в результате этой операции выделяются области для расчета количественных признаков; Ko – вычисление количественных признаков клетки крови; Ka – определение качественных признаков клетки крови; Cl – классификация клетки крови на основе полученных признаков; Dk – дистанционное консультирование по телемедицинской сети; Re – определение типа клетки крови.

Заключение

Изложен подход к описанию клеток крови при автоматизированном анализе препаратов крови с применением компьютерной микроскопии, основанный на использовании качественных и количественных признаков. Это позволяет снизить субъективизм в идентификации бластных клеток крови в процессе диагностики острых лейкозов. Предложена концептуальная модель распознавания бластных клеток, на основе которой разработано программное обеспечение, реализованное в системе, внедренной в Российском онкологическом научном центре им. Н.Н. Блохина Российской академии медицинских наук