平行シード検出と反発レベルセットを用いた病理組織標本における重複細胞のロバスト分割

Robust Segmentation of Overlapping Cells in Histopathology Specimens Using Parallel Seed Detection and Repulsive Level Set
Xin Qi, Fuyong Xing, David J. Foran, Lin Yang
IEEE Transactions on Biomedical Engineering, Vol.59, No.3, pp. 754-765, 2012
20171214_kkobayashi

組織病理標本の自動画像解析は,乳癌の早期発見およびより良い特徴評価を支援できる可能性がある.撮像さ れた組織マイクロアレイ(tissue microarrays:TMA)を含む細胞の自動分割は,定量分析をするために必要であ る.残念なことに,細胞の集合体および重なりは,ほとんどの従来の分割アルゴリズムにとって重大な課題とな る.本論文では,標準的な RGB カメラを用いて得られたヘマトキシリン染色された乳房 TMA 標本において,接 触細胞を確実に分離できる新たなアルゴリズムを提案する.このアルゴリズムは 2 つの手順で構成される.まず, single-path 投票と mean-shift クラスタリングを用いた,高速で信頼性の高い対象を中心としたローカリゼーショ ンアプローチを行う.次に,インタラクティブモデルに基づく level set 法を用いて各セルの輪郭を求める.我々 は,実験結果を最新の報告された文献と比較した.最後に専門家によって評価されたピクセル単位の精度と,新 しい自動分割アルゴリズムによって生成された精度を比較することによって,性能を評価した.この方法により, 集合し重なっている細胞を 2200 個以上含む 234 枚の画像パッチを用いてシステム的に実験を行った.また,血液 塗抹標本および数千個の細胞を含む TMA を含む全スライド画像を用いて実験を行った.シード検出アルゴリズ ムの投票ステップは並列化に適しているため,グラフィック処理ユニットを使用して実装された並列化したアルゴ リズムは,C/C++実装よりも大幅な高速化が実現した.