Please use this identifier to cite or link to this item: http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/439
Segmentación y clasificación de células con leucemia a partir de información contextual en imágenes digitales
CAROLINA RETA CASTRO
LEOPOLDO ALTAMIRANO ROBLES
JESUS ANTONIO GONZALEZ BERNAL
Acceso Abierto
Atribución-NoComercial-SinDerivadas
Imaging
Image segmentation
Image classification
Data mining
In this thesis, we propose a bone marrow cell contextual analysis methodology for the detection of acute leukemia subtypes. The first phase of the methodology focuses on the segmentation and identification of cellular elements from bone marrow images. In the second phase we perform feature extraction to the cells images obtained in the first phase and use this information to classify the cells into leukemia subtypes. This classification can be used to diagnose patients. The segmentation algorithm uses as contextual information the color and texture of the image pixels to be able to separate the nucleus and cytoplasm of blood cells from bone marrow smear images, which show heterogeneous color and texture staining and a high cell population. The regions obtained from segmentation are later analyzed to identify the cells in the image. An additional algorithm to identify cells is proposed in this work. This algorithm also uses contextual information related to the color, shape, and containment proportion among regions to determine whether an analyzed ROI (Region of Interest) is labeled as a probable cell, nuclei, an overlapped nuclei or cell with other image elements or decide it is not a region of interest. If the cell identification algorithm determines that the ROI is overlapped with other elements, it divides the ROI by using a cell separation algorithm also proposed in this thesis. Once all of the ROIs are labeled, the cell is identified by associating its respective nuclei and cytoplasm, which is easily obtained by applying difference-set operations. The evaluation of the segmentation algorithm is carried out by comparing the identified regions with a manual segmentation. In general, an average accuracy of 95% was achieved in nucleus and cell segmentation using real bone marrow cells images. The accuracy is considered pretty good due to its high impact on the process of automatic classification of acute leukemia cells subtypes. In the cell classification phase we extract descriptive features (morphological, statistical, texture, size ratio and eigenvalues), to the nucleus and cytoplasm. These features were the input to several attribute selection and classification algorithms in order to generate patterns that facilitate the identification of the type and subtype of each acute leukemia cell in the image collection.
En este trabajo de tesis se propone una metodología de análisis contextual de células de médula ósea para la detección de subtipos de leucemia aguda. La primera fase de la metodología se centra en la segmentación e identificación de los elementos celulares de imágenes de médula ósea. En la segunda fase se realiza la extracción de características de las imágenes de células identificadas en la primera fase, para clasificarlas en subtipos de leucemia y diagnosticar al paciente. El algoritmo de segmentación que se propone utiliza la información contextual del color y textura de los píxeles de la imagen para extraer el núcleo y citoplasma de células sanguíneas en imágenes digitales de frotis de médula ósea que presentan tinciones heterogéneas en color y textura, así como una alta población de células. Las regiones resultantes de la segmentación se analizan posteriormente para identificar las células en la imagen. El algoritmo de identificación de células que se propone utiliza la información contextual del color, la forma y la relación de contenido entre regiones para determinar si la ROI (Región de Interés - Region of Interest) analizada es una célula, un núcleo, probablemente sea un núcleo o una célula traslapada con otros elementos o bien la región no es de interés. Si el algoritmo de identificación de células determina que la ROI presenta traslapes con otros elementos, ésta es dividida mediante el algoritmo de separación de regiones que se diseñó en esta tesis. Una vez que se identificaron todas las ROI se asocia el núcleo a la célula para verificar que esta última realmente lo es y se obtiene el citoplasma de la misma. La evaluación de la segmentación de las regiones identificadas se compara con la segmentación manual realizada por el experto. En promedio se obtuvo una precisión del 95% en el núcleo y la célula al utilizar imágenes reales de células de médula ósea. La precisión alcanzada en esta evaluación es considerada muy buena ya que tiene un alto impacto en el proceso de clasificación automática de subtipos de leucemias agudas. En el proceso de clasificación, se extrajeron características morfológicas, estadísticas, de textura, de proporción de tamaño y valores propios del núcleo y citoplasma para representar a las células de manera descriptiva.
Instituto Nacional de Astrofísica, Óptica y Electrónica
2009-10
Tesis de maestría
Inglés
Estudiantes
Investigadores
Público en general
Reta-Castro C.
CIENCIA DE LOS ORDENADORES
Versión aceptada
acceptedVersion - Versión aceptada
Appears in Collections:Maestría en Ciencias Computacionales

Upload archives


File SizeFormat 
RetaCC.pdf962.32 kBAdobe PDFView/Open