Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Detektion von Tumorgewebe und invasiver Tumorgrenze in CD3/CD8 gefärbten Gewebeschnitten (Histopathologien)

Segmentation of tumor tissue and invasive margin in CD3/CD8 stained histopathological images
 
: Wang, Anqi
: Sakas, Georgios; Noll, Matthias

Darmstadt, 2014, 93 pp.
Darmstadt, TU, Master Thesis, 2014
German
Master Thesis
Fraunhofer IGD ()
automatic segmentation; classifications; cluster analysis; medical image processing; Tissue Segmentation; Business Field: Visual decision support; Research Area: Computer Vision (CV)

Abstract
Konventionelle Krankheitsprognose bei Krebserkrankungen basiert auf Größe des Tumors, Auftrittsort von Krebszellen und Vorliegen von Metastasen. Diese Anzeichen lassen jedoch keine Aussage über den postoperativen Krankheitsverlauf zu. Erste Studien haben ergeben, dass in solchen Fällen die Betrachtung der Immunantwort des Körpers eine zuverlässigere Vorhersage treffen kann. Die Immunantwort drückt sich in Art und Auftrittshäufigkeit von Immunzellen (sogenannte T-Zellen) in und um den Tumor aus.
Zur Validierung dieser These wird in der vorliegenden Arbeit ein Verfahren entwickelt, das automatisch auf CD3/CD8-gefärbten histopathologischen Aufnahmen den Tumor und die invasive Tumorgrenze segmentiert. In Kombination mit einer anderen Arbeit, die ein Verfahren zur Zellenzählung implementiert, sollen große Datenmengen von Patienten evaluiert werden, deren Krankheitsverlauf bekannt ist. Die größte Herausforderung dieser Arbeit besteht im verwendeten Material. Üblicherweise wird Gewebe auf HE-gefärbten Aufnahmen segmentiert. CD3/CD8 sind hingegen Färbungen, welche T-Zellen klar erkennbar darstellen, aber unterschiedliche Gewebearten nur wenig differenzieren. Eine zusätzliche Schwierigkeit ist die Entwicklung des Verfahrens bei einer kleinen Menge an verfügbaren Trainings- und Testdaten.
Aus der Aufgabenstellung ergeben sich für das Verfahren die Anforderungen Geschwindigkeit (Evaluation großer Datenmengen) und Genauigkeit der Segmentierung. Die Geschwindigkeitsanforderung wird erfüllt, indem effizient zu berechnende und gleichzeitig aussagekräftige Features als Eingabe für ein Clustering-Algorithmus verwendet werden. Die Verarbeitung einer Aufnahme dauert durchschnittlich 5 Minuten. Gemessen an dem Zeitaufwand eines Pathologen für die gleiche Aufgabe ist dies eine große Zeitersparnis. Die Evaluation ergab einen durchschnittlichen Accuracy-Wert von 0,94. Dieser Wert ist vergleichbar mit den Ergebnissen verwandter State of the Art Methoden, welche auf HE-gefärbten Aufnahmen arbeiten.

 

Conventional cancer prognosis is provided based on tumor size, presence of cancer cells in lymph nodes, and evidence for metastases. However, these signs do not allow any statement about the postoperative course of the disease. Initial studies have shown that in such cases the examination of the immune response of the body can lead to a more reliable prediction. The immune response is manifested in the frequency of occurrence of certain types of immune cells (so-called T cells) in the tumor core and its invasive margin.
In this thesis a method is presented that automatically detects the tumor area and its invasive margin on CD3/CD8-stained images. In combination with another thesis which provided a method for counting T cells, a system capable of evaluating large amounts of patient data is created. The biggest challenge of this work lies in the material used. Traditionally, tissue segmentation is conducted on HE-stained images. CD3/CD8 however are staining procedures which result in images displaying T cells in a clearly recognizable manner but barely differentiate between different tissue types. An additional challenge is the development of the method using only a small amount of training and test data.
The main requirements for the segmentation system at hand are execution speed (since large amounts of data need to be processed) and segmentation accuracy. The execution speed requirement is met by using features which are efficiently computable and at the same time have high discriminative power as input for a clustering algorithm. The processing of one microscopic slide takes 5 minutes on average. Compared to the amount of time a pathologist needs for the same task, this is a great time saving. During evaluation an average segmentation accuracy of 0.94 is achieved. This result is comparable to those of related state of the art systems that operate on HE-stained images.

: http://publica.fraunhofer.de/documents/N-323939.html