Visual feature extraction to discriminate nucleolus phenotypes in fluorescence microscopy

Abstract

[ANGLÈS] The objective of this project was the feature extraction using image processing tools over nucleolus isolated images of eukaryotic cells to subsequently classify between normal or healthy cells and abnormal or diseased cells. The cultures of cells have been obtained with fluorescence microscopy by the research group of RNA Metabolism of the Faculty of Science of the Université Libre de Bruxelles (ULB). After receiving the images, a segmentation of the culture of cells has been done to obtain the isolated images with which we have worked. Features were extracted whether directly from the images or indirectly through a previous characterization by two different techniques: mean shift and edge detection. To measure the discrimination of the extracted features, we have used histogram comparison and, in particular, the metric for comparison has been the Earth Mover's Distance (EMD). We have attached the oral presentation in the “annex” , where it has also been used a toolbox of Support Vector Machines (SVM) to show a clearer classification result on comparing our normal classes with the abnormal. In these results, it is shown that our features have achieved the discrimination between wells but, even so, a more specific classifier that includes a clustering to group the different abnormal cultures that are similar is needed, which is a prerequisite required by the ULB group we work with and has been done by another student.

[CASTELLÀ] El objetivo de este proyecto ha sido la extracción de características mediante herramientas de procesado de imagen sobre imágenes aisladas de nucléolos de células eucariotas, para posteriormente poder clasificar las células entre normales o sanas y anormales o enfermas. Las culturas de células han sido extraídas mediante microscopía de fluorescencia por el grupo de investigación RNA Metabolism de la facultad de ciencias de la Universidad Libre de Bruselas (ULB). Una vez recibidas las imágenes, se ha realizado una segmentación de la cultura de células para obtener las imágenes aisladas con las que hemos trabajado. Se han extraído características de forma directa sobre las imágenes y de forma indirecta pasando por una caracterización previa con dos técnicas diferentes: mean shift y detección de bordes. Para medir la discriminación de las características extraídas, se ha usado la comparación de histogramas y, en concreto, la métrica para compararlos ha sido el Earth Mover’s Distance (EMD). En el apartado de “anexos” se adjunta la presentación oral del proyecto, en donde se ha utilizado también una toolbox de Support Vector Machines (SVM) para mostrar unos resultados de clasificación más evidentes sobre nuestras características comparando las clases normales con las anormales. En estos resultados, se demuestra que se ha conseguido reunir un conjunto de características que permiten la discriminación de las células de diferentes clases pero, aún así, se necesita un clasificador más específico que incluya un clustering para poder agrupar las diferentes culturas anormales que sean similares entre ellas, lo cual es una premisa exigida por el grupo de la ULB con el que trabajamos y ha sido realizado por otro alumno.

[CATALÀ] L'objectiu d'aquest projecte ha estat l'extracció de característiques mitjançant eines de processament d'imatge sobre imatges aïllades de nuclèols de cèl·lules eucariotes, per posteriorment poder classificar les cèl·lules entre normals o sanes i anormals o malaltes. Les cultures de cèl·lules han estat extretes mitjançant microscòpia de fluorescència pel grup de recerca RNA Metabolism de la facultat de ciències de la Universitat Lliure de Brussel·les (ULB). Un cop rebudes les imatges, s'ha realitzat una segmentació de la cultura de cèl·lules per obtenir les imatges aïllades amb què hem treballat. S'han extret característiques de manera directa sobre les imatges i de forma indirecta passant per una caracterització prèvia amb dues tècniques diferents: mean shift i detecció de vores. Per mesurar la discriminació de les característiques extretes, s'ha fet servir la comparació d'histogrames i, en concret, la mètrica per comparar-los ha estat l'Earth Mover 's Distance (EMD). En l'apartat de "annexos" s'adjunta la presentació oral del projecte, on s'ha utilitzat també una toolbox de Support Vector Machines (SVM) per mostrar uns resultats de classificació més evidents sobre les nostres característiques comparant les classes normals amb les anormals. En aquests resultats, es demostra que s'ha aconseguit reunir un conjunt de característiques que permeten la discriminació de les cèl·lules de diferents classes però, tot i així, es necessita un classificador més específic que inclogui un clustering per poder agrupar les diferents cultures anormals que siguin similars entre elles, la qual cosa és una premissa exigida pel grup de la ULB en el que treballem i ha estat realitzat per un altre alumne.