Blog

El Blog de Visión por Computador: Llevando la tecnología a la industria

Imagen Ppal Entrada Blog Contaje Mitosis

Detección y contaje automático de mitosis en imágenes histológicas

La digitalización de las imágenes médicas es ya una realidad que ha permitido en los últimos años la automatización de muchas tareas con el objetivo de ayudar al facultativo en su labor diagnóstica.

Las imágenes histológicas, obtenidas a través de muestras de tejidos, también han sido digitalizadas mediante potentes microscopios escáneres existentes en el mercado, que, poco a poco, van extendiéndose por los servicios de anatomía patológica de los hospitales. En este contexto, están proliferando los paquetes de software que facilitan la operativa diaria de los patólogos.

El grupo Computer Vision de Tecnalia lleva tiempo trabajando en soluciones que puedan servir de apoyo en la actividad de los patólogos, como es el caso del sistema de búsqueda de imágenes histológicas similares en base a contenido visual y relevancia clínica, que mereció el 1er puesto en EARTO Innovation Prize en 2014.

Enmarcado en esta línea de trabajo, una de las tareas más tediosas que los patólogos deben realizar es el contaje mitosis en una muestra de tejido que resulta ser tumoral. La menor o mayor proliferación de mitosis en un tejido constituye uno de los indicadores de pronóstico más relevantes en algunas patologías, como es el caso del carcinoma de mama invasivo. Este valor se expresa como el número de mitosis por área de tejido. Una alta tasa de proliferación revela la agresividad del tumor y es un indicador del pronóstico. El número de mitosis se evalúa cada día de manera rutinaria en laboratorios de anatomía patológica de todo el mundo, normalmente después de un examen visual en el microscopio, configurado con gran aumento, usualmente × 40, sobre muestras tintadas con hematoxilina y eosina (H&E). El procedimiento establecido recomienda seleccionar un área que incluya la parte más invasiva del tumor, donde se observe la celularidad más alta. La identificación y contaje de mitosis se realiza manualmente.

La detección automática de mitosis puede proporcionar una precisión que resulta crucial para identificar la gravedad de la enfermedad. Sin embargo, la caracterización automática de elementos mitóticos es un problema complicado dado que una mitosis es visualmente similar a otros elementos presentes en la imagen. Además, la mitosis tiene cuatro fases principales y cada fase tiene forma y textura diferentes. No existe una forma sencilla de detectar la mitosis en función de los valores de color, forma y textura, si bien hay varias aproximaciones en la literatura que lo han abordado de esta manera.


Ejemplo de mitosis (con flecha verde) en imagen histológica junto con otros elementos visualmente similares (TUPAC Challenge 2016)

El análisis de imágenes de alta complejidad es un reto que se ha abordado desde los comienzos de la visión artificial. Hasta ahora se han obtenido resultados aceptables en entornos muy controlados mediante la aplicación del proceso clásico de análisis de imagen: pre-procesamiento, extracción de características, clasificación. Sin embargo, esta extracción de características se hace de una forma manual y artesanal, con gran dependencia de la aplicación.

En los últimos años se han popularizado técnicas basadas en redes neuronales convolucionadas integradas dentro de arquitecturas profundas, es lo que se denomina Deep Learning. Estas arquitecturas permiten una extracción de características en las primeras capas y una adaptación a las mismas por parte del clasificador final de forma simultánea mimetizando en cierta forma al sistema visual humano. Esto permite resolver problemas de clasificación, detección y segmentación de imágenes hasta ahora no resolubles y con una capacidad de generalización mucho mayor a la que hasta ahora era posible.

El grupo de Computer Vision de Tecnalia está abordando la detección de mitosis y su contaje a través de estas técnicas de aprendizaje profundo o Deep Learning.

El Blog de Visión por Computador: Llevando la tecnología a la industria

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR