Karzinomdiagnostik - Detektion maligner Zellen

Autoren: Alexander Grezko, Gerd Gross, Claudia Rindlisbacher und Martin Schauperl

Einleitung

Die Gebärmutterhalszytologie ist ein unverzichtbares Mittel zur Früherkennung des Zervixkarzinoms, dessen Effektivität bisher wegen der Sensitivität von nur 80%, insbesondere aber wegen der geringen Beteiligungsrate der Frauen von nur 30% noch zu wünschen übrig lässt. Durch die Einführung von Screeningautomaten in den USA wird derzeit versucht, die „falsch-negativ“-Rate zu senken. Durch Einsatz der statischen DNA-Zytometrie zur Abklärung unklarer und dysplastischer Zellbilder lässt sich die Gesamttreffsicherheit der Zervixzytologie erhöhen. Bei Beteiligungsraten zwischen 70 und 80% an Krebsvorsorgeuntersuchungen in Schweden, Finnland und Island wurde eine Reduktion der Mortalität bei Gebärmutterhalskarzinom zwischen 60 und 100% beobachtet.
Das Projekt „Karzinomdiagnostik-Detektion maligner Zellen“ ist darauf ausgerichtet, einen Algorithmus zur Karzinomdiagnostik zu entwickeln, der Bilder von Zellabstrichen aus dem Gebärmutterhals diagnostizieren kann. Zur Realisierung des Projekts wurden die gesamten Informationen sowohl aus der Vorlesung „Image Processing“ als auch medizinische Informationen aus dem Bereich der Histologie gesammelt, kategorisiert und dann so gegliedert, dass eine Realisierung dieses Algorithmus möglich ist.

Technische Verarbeitung medizinischer Vorgaben

Die zytomorphologische Malignitätsdiagnostik beruft sich auf eine Vielzahl von zu beachtenden Einzel-merkmalen. Es gibt aber kein einzelnes spezifisches Merkmal der Atypie an der Einzelzelle, welches in jedem Falle die Diagnose maligner Zellen oder deren Vorstadien erlauben würde. Für sich allein genommen, können alle diese Merkmale auch an reaktiven gutartigen Zellen vorkommen.

Malignitätskriterien auf den Algorithmus spezifiziert:

Bildhintergrund	Frische und alte Erythrozyten	Bösartige Zellen benötigen Sauerstoff (deswegen Hintergrund blutig); ist allerdings auch bei Entzündungsherd vorhanden
Abstand der Kerne in Zellverbänden:		Abstand immer gleich bei gutartigen Zellen, unregelmäßig bei bösartigen Zellen (Chaos der DNA-Mutationen)
Kern/Plasma-Relation:	Vergleich mit gesunder Zelle	atypisch wenn Kern im Verhältnis zum Zytoplasma zu groß ist.
Zellform:	oval, rund, spindelförmig
Kernform: Kernmorphologie	unregelmäßige Form der Kerne	bösartig: ausgezackte Ränder, vieleckig, entrundet, keilförmig
Kernlage:	Kernanordnung in der Zelle	bösartig: Kern durchstoßt die Zellwand; nach erfolgreicher Detektion der Kerne und der Zellen, ist es möglich die Lage und Position der Kerne in den Zellen (durch Subtraktion der Bilder) und das Zell/Kern Verhältnis festzustellen.
Kernzahl:	Mehrkernigkeit	bösartig: unterschiedlich große Kerne in einer Zelle; Nach erfolgter Zuordnung der Kerne zu den Zellen ist es auch möglich festzustellen ob Mehrkernigkeit vorherrscht, und wenn, ob die Kerne unterschiedlicher Größe sind, was auf Bösartigkeit schließen lässt.
Nukleolus:		vergrößert, entrundet, mehrfach vorhanden; Rotfärbung
Kern:		Vergrößertes Chromatingerüst; allg. vergrößert, dunkle unscharfe Zellkerne, betonte Kernmembranen
Cytoplasma:		Basophil , wechselnd breit
Zelle:		Wechselnde Kern-Plasma- Relation

Kerndetektion

Die gesunden Kerne zeichnen sich durch ihre runde Form und Größe aus. Damit soll eine Unter-scheidung zu den Zellen (wesentlich größer), Erythrozyten (kleiner ev. rötlich) und DNA-Schlieren zerstörter Zellkerne (länglich) getroffen werden.
Die Luminanz aller Bilder wird zuerst ausgemessen. Nach Vergleichen mit einem Grenzwert (230) werden die Bilder anschließend gruppiert. Zwei verschiedene Algorithmen unterscheiden sich bei der Weiterverarbeitung der Bilder in der Brightness - und Contrast - Anpassung. Anschließend wird das Bild in das HSL-Luminance Plane umgewandelt. Danach wird das Bild invertiert und in der Brightness verändert, damit die Kerne deutlich weiß dargestellt werden. Große Kerne, die im Originalbild unterschiedliche Blauwerte aufweisen, werden jetzt als Pixelwolke dargestellt und daher mit der Basic-Morphology-Funktion „Dilate Objects“ bearbeitet. Dabei wurde ein 3x3 Structuring Element mit einer Iteration verwendet. Mit der Einstellung “Hexagon“ statt “Square“ vereinheitlichen nahegelegene Objekte trotz der Iteration nicht. Abschließend kommt ein “Particle Filter“ zur An-wen-dung, der alle Objekte mit einer Pixelgröße kleiner als 30 entfernt.
Die Partikelanalyse gibt die Pixelanzahl der einzelnen detektierten Kerne aus, um diese später bewerten zu können. Ab einer gewissen Pixelanzahl ist ein Kern als verdächtig zu bewerten und wird mit einer Warnung gekennzeichnet.

Abb.1: Kerndetektion: Original und Ergebnisse

Zelldetektion

Durch die gravierenden Unterschiede in Form und Größe, aber auch durch die zum Teil stark ineinander verschachtelten Zellen war eine Lokalisation schwierig. Die uns zur Verfügung gestellten Bildvorlagen waren in Auflösung, Helligkeit und Kontrast sehr unterschiedlich, wodurch wir uns entschlossen haben ähnliche Bilder in Gruppen zusammenzufassen um dadurch einen gemeinsam möglichen Sortieralgorithmus zu schaffen.
Brightness-, Contrast- und Gamma-Veränderung legte den Grundstock, um mit Hilfe der Extract Color Planes-Funktion (RGB-Green Plane) ein gut weiterzuverarbeitendes Bild zu bekommen. Das Threshold Tool ermög-lichte eine Weiterbearbeitung mittels Filtern (Edge Detection-Laplacian) mit einer Kernel Size von 3x3. Die immer noch sehr zahlreich vorhandenen kleinen Pixel wurden bis zu einer Größe von 200 (Pixel Value) weggefiltert.
Mit Hilfe des Morphology Tools gelingt es schlussendlich in nur zwei Schritten die Zellen zu trennen und zu verarbeiten: Erode Objects (Structuring Element 3x3, Nr of Iterations: 2) und Separate Objects (Structuring Element 5x5, Nr of Iterations: 3). Die Particle Analysis lieferte somit eindeutig identifizierte, voneinander unabhängige Zellen.

Abb.2: Zelldetektion: Original und Ergebnisse

Konklusion

Mit den beiden Algorithmen können sowohl die Kerne als auch die Zellen/Zellverbände erkannt werden. Dadurch kann auf Untersuchung der untersuchten Malignitätskriterien eine Atypie detektiert werden.

Kontakte: Fachhochschule TECHNIKUM Kärnten, Studiengang Medizinische Informationstechnik, Primoschgasse 8, A-9020 Klagenfurt, Tel.: +43 463 90500-0, www.fh-kaernten.at

Autoren: Alexander Grezko: 0099gral@edu.fh-kaernten.ac.at, Gerd Gross: 0099grge@edu.fh-kaernten.ac.at, Claudia Rindlisbacher: 0099ricl@edu.fh-kaernten.ac.at, Martin Schauperl: 0099scma@edu.fh-kaernten.ac.at