15.07.2021

Neue Open-Access Publikation

Automatic Segmentation of Skin Cells in Multiphoton Data using Multi-Stage Merging

Verarbeitungspipeline. 3D-Bildstapel und Einzelbild (Input) zur Veranschaulichung der automatischen Segmentierung von Hautzellen in den nachfolgenden Schritten: Plateaubildung durch Top Hat-Transformation (Flattening), Kontrastverstärkung durch CLAHE (Contrast-enhancing), kantenerhaltende Filterung durch anisotrope Diffusion (Filtering), Superpixeling (Berandungen sind rot) durch Watershed-Transformation, Fusion zu semantischen Regionen (Berandungen sind rot) durch mehrstufige Verschmelzung (Multi-stage merging), Merkmalsextraktion über Vektor-2-Norm mit hoher Ähnlichkeit der Bereiche minimaler Werten (blau) zum Zellkernmodell (Feature extraction) und abschließende Bewertung des Zytoplasmas (rot) und der Zellkerne (grün) (Rating).

Wir schlagen einen neuartigen automatischen Segmentierungsalgorithmus vor, der die Bestandteile menschlicher Hautzellen vom restlichen Gewebe in den Fluoreszenzdaten der aus der nicht-invasiven Multiphotonen-Tomographie resultierenden dreidimensionalen Bildstapel trennt. Der Algorithmus umfasst einen mehrstufigen Verschmelzungsprozess auf vorverarbeiteten Superpixelbildern, um die Unabhängigkeit von einem einzelnen empirischen globalen Schwellenwert zu gewährleisten. Dies führt zu einer hohen Robustheit der Segmentierung unter Berücksichtigung der tiefenabhängigen Datencharakteristika, die variable Kontraste und Zellgrößen beinhalten. Die anschließende Klassifizierung von Zellzytoplasma und Zellkernen basiert auf einem Zellmodell, das durch eine Kombination von vier Merkmalen beschrieben wird. Zwei neue Merkmale, eine Beziehung zwischen äußerer Zelle und innerem Zellkern (OCIN) und ein Stabilitätsindex, wurden abgeleitet. Das OCIN-Merkmal beschreibt die Topologie des Modells, während der Stabilitätsindex die Segmentqualität im mehrstufigen Zusammenführungsprozess anzeigt. Diese beiden neuen Merkmale werden in Kombination mit der lokalen Gradientengröße und der Kompaktheit für die modellbasierte unscharfe (Fuzzy) Bewertung der Zellsegmente verwendet. Wir veranschaulichen unseren Ansatz an einem Bildstapel mit 200 × 200 × 100 μm3, der die Hautschichten des Stratum spinosum und des Stratum basale eines gesunden Probanden enthält. Unsere Bildverarbeitungspipeline trägt zur vollautomatischen Klassifizierung menschlicher Hautzellen in Multiphotonen-Daten bei und bietet eine Grundlage für die Erkennung von Hautkrebs mittels nicht-invasiver optischer Biopsie.

Philipp Prinke, Jens Haueisen, Sascha Klee, Muhammad Qurhanul Rizqie, Eko Supriyanto, Karsten König, Hans Georg Breunig, Łukasz Piątek:

Automatic segmentation of skin cells in multiphoton data using multi-stage merging.
Sci Rep 11, 14534 (2021).

https://doi.org/10.1038/s41598-021-93682-y

Kontakt:   Dipl.-Inf. Philipp Prinke, Prof. Dr.‐Ing. Jens Haueisen