Quantitative Analyse von Zell- und Gewebeeigenschaften in histologischen Bilddaten

Abstract

Einleitung Aufgrund technischer Entwicklungen und einem wachsenden Bedarf an einer Standardisierung der qualitativen und quantitativen Auswertungen in der histopathologischen Forschung und Routinediagnostik hat das Forschungsfeld der automatisierten Mikroskop-Bild-Analyse in jüngster Zeit neue Impulse erhalten. Die automatische Detektion und Segmentierung der relevanten Strukturen, zumeist Zellkerne, ist die Grundlage für die computergestützte Messung von Zell- und Gewebeeigenschaften. Bis heute existiert hierfür allerdings keine universelle Standard-Lösung, die wichtigste Herausforderung ist hier die Heterogenität der verschiedenen Gewebe- und Tumortypen. Desweiteren ist die Pixel-basierte Modellierung von Bildanalyse-Datenstrukturen nach wie vor der weit verbreitete Standard, obwohl die Verwendung von Bild-Objekten als primäre Verarbeitungseinheit eher der menschlichen Wahrnehmung entspricht und besser für die Berechnung von Objektmerkmalen sowie für die Analyse von Nachbarschafts-Beziehungen geeignet ist. Ergebnisse In dieser Arbeit wurde eine neue Methode zur Detektion und Segmentierung von Zellkernen entwickelt, die nur minimale a-priori Informationen verwendet und dadurch auch auf typischerweise heterogene histologische Bilddaten robust anwendbar ist. Weiterhin wurde die Open-Source Software-Plattform CognitionMaster entworfen und implementiert, die eine Bild-Objekt-basierte Modellierung der Datenstrukturen enthält und damit Limitierungen der konventionellen Pixel- basierten Systeme überwindet. Dieses Framework wurde für die computergestützte Bestimmung der Anzahl von CD3-positiven T-Lymphozyten in extranodalen Marginalzonen-Lymphomen, zur Untersuchung der Homöostase von Langerhans-Zellen der Epidermis sowie zur Analyse des Ursprungs und der Funktion von follikulären Dendritischen Zellen des Lymphknotens verwendet. Schlussfolgerungen Es wurde gezeigt, dass die neu entwickelte Minimum-Modell- Methode eine robuste Detektion von Zellkernen auch bei morphologisch heterogenen Bilddaten ermöglicht. Mit der CognitionMaster Software-Plattform konnten für drei zum Teil sehr unterschiedliche Fragestellungen aus der Biologie und Pathologie erfolgreich Quantifizierungsverfahren implementiert werden, womit der proof-of-concept bereits für mehrere Problemklassen erbracht wurde.

Introduction Due to technical developments and an increased demand for a standardization of qualitative and quantitative analyses in histopathological research and routine diagnostics the field of automated analysis of microscopic images has recently received new impetus. The automatic detection and segmentation of the relevant structures, mostly cell nuclei, is pivotal for the computer-aided measurement of cell and tissue features. Until today, no universal standard solution exists for this task. Here, the heterogeneity of the different tissue and tumor types is the biggest challenge. Furthermore, pixel-based modeling of data structures is still the widespread standard in digital image analysis although the usage of image objects as primary processing unit relates well to human perception and is more suitable for the computation of object features and the analysis of neighbourhood relationships. Results This thesis describes a novel approach for the detection and segmentation of cell nuclei. This method requires only minimal a-priori information and is therefore capable of dealing with typically morphologically heterogeneous histological image data. Additionally, the open source software platform CognitionMaster was designed and implemented. This framework features an image object-based modeling of data structures and therefore overcomes limitations of conventional pixel-based systems. The platform was used for the computer-aided quantification of CD3-positive T-lymphocytes in extranodal marginal zone lymphomas, for the analysis of the homeostasis of epidermal Langerhans cells and to study origin and dynamics of lymph node follicular Dendritic Cells. Conclusions It was shown that the newly developed minimum-model method allows for a robust detection of cell nuclei in morphologically heterogeneous image data. Based on the CognitionMaster platform quantification systems were set up for three different tasks in biology and pathology whereby the proof-of-concept was already provided for multiple classes of problems.