Automatická detekce a kvantifikace Langerhansových ostrůvků v pankreatické tkáni

Abstract

Pro určení správné diagnostiky onemocnění nebo studia jejich projevů, výzkumu nových lečébných metod a pozorování změn ve tkáni histologických vzorků je nutné ručně identifikovat jednotlivé části tkáně, zjistit zastoupení, nebo vzájemnou polohu v tkáni. Ruční segmentace histologických snímků může být velmi časově náročná a neúčinná, či zkreslená subjektivním biasem. Nástup technologických průlomů v oblasti automatického rozpoznávání obrazu umožnilo rychlejší a přesnějí vyhodnocení s porovnání s člověkem. Využití automatická segmentace tkáně může v i tomto ohledu výrazně přispět. Mnoho nástrojů na zpracování medicínských obrazů a dat jsou navíc většinou proprietární, nebo jednoúčelové, či zastarelé a bez jednoduchého uživatelského rozhraní, znesnadňující jejich použití a přizpůsobení. V této diplomové práci jsem se rozhodl přiblížit řešení tohoto problému implementací state-of-art metod umělé intelegence v oblasti počítačového vidění na segmentaci histologických snímků pankreasu a detekci Langerhansových ostrůvků. Cílem bylo také demonstrovat jednoduchost použití tohoto nástroje pomocí webové aplikace pro snadné použití uživatelem, histologických expertem.To determine the correct diagnosis of the disease or study of its manifestations, research of new treatment methods and observation of changes in the tissue of histological samples, it is necessary to manually identify individual sections of the tissue, determine the representation or mutual position of the sections withing the tissue. Manual segmentation of histological images can be very time consuming and inefficient, or distorted by subjective bias. The advent of technological breakthroughs in the field of automatic image recognition has enabled faster and more accurate evaluation compared to human. The use of automatic tissue segmentation can make a significant contribution in this regard as well. In addition, many medical image and data processing tools are mostly proprietary, or single-purpose, or obsolete, and without a simple user interface, making them difficult to use and customize. In this diploma thesis, I decided to approach the solution of this problem by implementing state-of-art methods of artificial intelligence in the field of computer vision for the segmentation of the pancreas histological images and the Langerhans islets detection. The goal was also to demonstrate the ease of use of this tool by developing an easy-to-use web application for the end user - a histological expert.