Advanced

Enhanced Display of Mitoses in Hematoxylin-Eosin Digital Pathology Images

Heerfordt Sjökvist, John LU (2016) BMEM01 20161
Department of Biomedical Engineering
Abstract
Identifying mitotic figures in digital pathology images is useful in diagnosis and prognosis of cancer. The task itself is time consuming and sometimes difficult for pathologists. Recent research has focused on machine learning for automatic detection of mitoses. The aim of this work was to apply image processing to facilitate ocular examination of mitotic figures in hematoxylin and eosin stained images, since such an approach can be adopted faster in clinical applications.

Several contrast adjustment algorithms were considered including contrast limited adaptive histogram equalization (CLAHE) and local Laplacian filters. The classic sharpening method unsharp masking was also used. Processing was done in the HSV and L*a*b* colour spaces... (More)
Identifying mitotic figures in digital pathology images is useful in diagnosis and prognosis of cancer. The task itself is time consuming and sometimes difficult for pathologists. Recent research has focused on machine learning for automatic detection of mitoses. The aim of this work was to apply image processing to facilitate ocular examination of mitotic figures in hematoxylin and eosin stained images, since such an approach can be adopted faster in clinical applications.

Several contrast adjustment algorithms were considered including contrast limited adaptive histogram equalization (CLAHE) and local Laplacian filters. The classic sharpening method unsharp masking was also used. Processing was done in the HSV and L*a*b* colour spaces and to channels of images where the stains hematoxylin and eosin had been separated through colour deconvolution. For validation a senior pathologist scored images with respect to the details of mitoses and general image quality.

In the scoring unsharp masking obtained the best results with significant improvements of both the details of mitotic figures and general image quality. Local Laplacian filters and CLAHE improved the general image quality but only slightly improved the details of mitotic figures. CLAHE occasionally resulted in unwanted darkening of both mitoses and the image as a whole. The same algorithm applied to the hematoxylin channel of images showed potential although it requires careful estimation of the colour matrices that are used to deconvolve histopathology images into stain components.

No investigated algorithm can alone eliminate the pathologists difficulties concerning mitotic figures. However, image enhancement may reduce the time needed for examination. (Less)
Popular Abstract (Swedish)
Bildbehandling av mitoser i digitala patologibilder

I digitala bilder av vävnadsprov finns en klar relation mellan celldelningar och cancer. Att avgöra om vissa strukturer är cellkärnor i delningsfas eller inte, kan vara svårt. Detta arbete avsåg bildbehandling av skärpa och kontrast för att underlätta medicinsk bedömning.

Cancer är en av våra dödligaste sjukdomar. När cancer diagnostiseras tas vanligen biopsier som sedan analyseras av en patolog. Traditionellt har de undersökningarna gjorts i mikroskop, men på senare tid har digital patologi introducerats på sjukhus runt om i världen. Vävnadsprovet skannas med dedikerade skannrar varefter undersökning kan ske på en datorskärm. Fördelarna är många; såsom möjligheterna att lagra... (More)
Bildbehandling av mitoser i digitala patologibilder

I digitala bilder av vävnadsprov finns en klar relation mellan celldelningar och cancer. Att avgöra om vissa strukturer är cellkärnor i delningsfas eller inte, kan vara svårt. Detta arbete avsåg bildbehandling av skärpa och kontrast för att underlätta medicinsk bedömning.

Cancer är en av våra dödligaste sjukdomar. När cancer diagnostiseras tas vanligen biopsier som sedan analyseras av en patolog. Traditionellt har de undersökningarna gjorts i mikroskop, men på senare tid har digital patologi introducerats på sjukhus runt om i världen. Vävnadsprovet skannas med dedikerade skannrar varefter undersökning kan ske på en datorskärm. Fördelarna är många; såsom möjligheterna att lagra bilder i sökbara databaser och att använda digital bildbehandling. Bland nackdelarna kan nämnas att digitala bilder oftast har ett enda fokuslager för varje skannad förstoring. Dessutom saknas i många digitala visningsprogram en direkt motsvarighet till den belysningsknapp som finns på klassiska mikroskop.

En struktur som patologerna letar efter vid cancerdiagnostik är mitoser, cellkärnor som delar sig. Mitosernas utseende och antal kan nämligen kopplas till cancertyp och malignitet. Om många celler delar sig på liten yta, är det ett tecken på hög aktivitet i vävnaden, förknippat med elaka tumörer. Att undersöka och räkna mitoser tar tid och kan vara svårt. För att snabba på den processen undersökte detta arbete bildbehandlingsalgoritmer för att göra det lättare att identifiera mitoser.

För att förstå svårigheterna med undersökning av mitoser, intervjuades två patologer. Därefter applicerades kontrast- och kantförbättring på digitala patologibilder för att avhjälpa de problem som patologerna angivit. Arbetet avslutades med att en patolog jämförde behandlade bilder med obehandlade. Bilderna betygsattes utifrån generell bildkvalitet och detaljrikedom i mitoserna. Tre olika algoritmer utvärderades; två som ändrar kontrast och en som påverkar skärpa. Statistisk förbättring av mitosernas detaljer och den generella bildkvaliteten kunde visas när skärpan justerades. Vid kontraständringar kunde enbart förbättrad generell bildkvalité konstateras.

En kontrastjusteringsalgoritm, kontrast-begränsad histogramutjämning (CLAHE), har integrerats i företaget Sectra Imaging IT Solutions AB:s mjukvara för visning av digitala patologibilder. Företagets system baseras på en klient-server. CLAHE körs på servern i samband med att den del av patologibilden som visas på skärmen, hämtas till klienten.

Enskilda cellager som fixerats på objektglas är näst intill transparenta. På grund av detta infärgas vävnadsproverna med färgämnen som har varierande affinitet för olika slags cellulära strukturer. I detta arbete har enbart vävnad som färgats med hematoxylin och eosin använts, vilket ger rosa-lila bilder. I intervjuerna framkom att patologerna önskade att färginnehållet inte skulle förändras. Därför användes framförallt representationer av digitala bilder där färginnehåll och intensitet separerats. På så vis är det möjligt att enbart bildbehandla bildernas intensitet.

Att mitoser och området runt dessa tenderar att vara mörkare än andra strukturer visade sig ha stor påverkan på lämplig bildbehandling. Många algoritmer gjorde mitoserna och deras omgivning ännu mörkare vilket gör det svårare att se detaljer. Förklaringen är algoritmernas strävan efter att maximera utnyttjandet av alla tillåtna intensitetsvärden.

Arbetets slutsats är att ingen av de utvärderade algoritmerna ensam kommer att eliminera patologernas problem med undersökningar av mitoser. Pågående teknisk utveckling av bilder med högre upplösning och flera fokuslager, i kombination med bildbehandling bedöms vara en mer trovärdig lösning. (Less)
Please use this url to cite or link to this publication:
author
Heerfordt Sjökvist, John LU
supervisor
organization
course
BMEM01 20161
year
type
H2 - Master's Degree (Two Years)
subject
keywords
Digital Pathology, Cancer, Mitosis, Mitotic Figure, Contrast Limited Adaptive Histogram Equalization, Unsharp Masking, Local Laplacian filters, L*a*b*, HSV, Colour Deconvolution
language
English
additional info
2016-11
id
8885557
date added to LUP
2016-07-04 12:52:51
date last changed
2016-07-04 12:52:51
@misc{8885557,
  abstract     = {Identifying mitotic figures in digital pathology images is useful in diagnosis and prognosis of cancer. The task itself is time consuming and sometimes difficult for pathologists. Recent research has focused on machine learning for automatic detection of mitoses. The aim of this work was to apply image processing to facilitate ocular examination of mitotic figures in hematoxylin and eosin stained images, since such an approach can be adopted faster in clinical applications.

Several contrast adjustment algorithms were considered including contrast limited adaptive histogram equalization (CLAHE) and local Laplacian filters. The classic sharpening method unsharp masking was also used. Processing was done in the HSV and L*a*b* colour spaces and to channels of images where the stains hematoxylin and eosin had been separated through colour deconvolution. For validation a senior pathologist scored images with respect to the details of mitoses and general image quality. 

In the scoring unsharp masking obtained the best results with significant improvements of both the details of mitotic figures and general image quality. Local Laplacian filters and CLAHE improved the general image quality but only slightly improved the details of mitotic figures. CLAHE occasionally resulted in unwanted darkening of both mitoses and the image as a whole. The same algorithm applied to the hematoxylin channel of images showed potential although it requires careful estimation of the colour matrices that are used to deconvolve histopathology images into stain components. 

No investigated algorithm can alone eliminate the pathologists difficulties concerning mitotic figures. However, image enhancement may reduce the time needed for examination.},
  author       = {Heerfordt Sjökvist, John},
  keyword      = {Digital Pathology,Cancer,Mitosis,Mitotic Figure,Contrast Limited Adaptive Histogram Equalization,Unsharp Masking,Local Laplacian filters,L*a*b*,HSV,Colour Deconvolution},
  language     = {eng},
  note         = {Student Paper},
  title        = {Enhanced Display of Mitoses in Hematoxylin-Eosin Digital Pathology Images},
  year         = {2016},
}