×××医学信息学解锁22（2021）100498毛囊方向的自动分割与量化赛义夫·侯赛因伊拉克巴格达大学A R T I C L EI N FO保留字：毛囊方向的分割和量化A B S T R A C T毛囊覆盖了哺乳动物身体表面的大部分，并且已经表明毛囊的方向与遗传性疾病有关，例如单纯性毛囊减少症或念珠状毛囊炎。手动量化和分析如此大量的毛囊图像是容易出错的，耗时的，并且在资源和人员培训方面非常昂贵。这项研究提出了一种自动化的高通量解决方案，以分割表皮层中的毛囊并量化毛囊的方向。本文主要做了两个方面的工作：首先，开发了一种自动计算毛囊相对于表皮层的固定排列方向的方法，其次，设计了一种有效的分割和量化方法，野生型（WT）和突变小鼠皮肤图像的表皮中毛囊的方向。结果显示，毛囊分割的R2值为92%，毛囊方向的R2值为83%，这被领域专家认为是可以接受的。1. 介绍已知毛囊覆盖哺乳动物身体表面的大部分。研究表明，卵泡的方向与遗传性疾病有关，如单纯性卵泡减少症或串珠症[1]。由于各种原因，毛囊相对于表皮的取向被认为是皮肤异常存在/不存在的指示。虽然毛囊的方向是稳定的情况下，正常的皮肤条件，异常的皮肤条件导致毛囊在皮肤中的定向障碍（图。 1）[2]。该研究的主要挑战是确定如何自动测量毛囊相对于表皮层的固定对准的取向角度，以及精确地量化来自小鼠皮肤组织的HE（苏木精毛囊的手动量化是耗时且繁琐的。这是由于在每个图像中需要处理大量毛囊，以及由问题域（即小鼠遗传学项目（MGP））和其他皮肤异常相关研究连续生成的众多HE图像。在讨论我们提出的用于量化表皮中毛囊方向的自动方法之前，需要解释手动量化方法。应该指出的是，我们的实验20放大的微观皮肤图像清楚地突出了 小鼠皮肤各层的结构，即表皮、真皮和皮下层。研究人员首先需要选择一个用于手动测量毛囊取向的合适技术。传统上，毛囊的量化是通过在显微镜下测量毛囊（HF）和表皮层之间的角度来实现的[3]，如图所示。二、使用20倍放大屏幕可以识别皮肤层中的HF，因为它们具有动态性质且易于访问[4，5]。然而，为了开发具有高精度的高效自动方案，表皮中的毛囊应被分割，并且然后应开发用于确定分割对象相对于周围表皮层的取向的标准。20 ° H E图像中毛囊的自动分割与定量 由于它们在表皮内的位置的变化，放大变得更加复杂。本研究期间面临的挑战如下：(1) 在我们的研究中，源图像是完整的多层皮肤图像，因此准确分割的区域的兴趣（ROI），即。e.表皮区域中的毛囊是必要且关键的预处理步骤。使用自动方案[5]进行表皮层分割将导致缩小聚焦区域。然而，毛囊的颜色强度与周围组织相似（图1），它们的分离需要大量的浓度和经验。(2) 在不同的输入图像中，表皮的对准存在显著变化。图3显示了具有不同表皮排列的两个图像，这使得难以电子邮件地址：saifraoofhusseinalasady@gmail.com。https://doi.org/10.1016/j.imu.2020.100498接收日期：2020年8月25日;接收日期：2020年12月8日;接受日期：2020年12月8日2020年12月13日在线提供2352-9148/©2020的 作者。发表通过 Elsevier 公司这是一个开放接入文章下的CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表医学信息学期刊首页：http://www.elsevier.com/locate/imuS. 侯赛因医学信息学解锁22（2021）1004982图1.一、 毛囊在正常和异常图像中的位置：A）正常图像，B）异常图像。图二. 毛囊的手动量化。图三. 表皮层中毛囊的弯曲。比较图像之间的毛囊取向，除非输入图像中的表皮在商定的方向上重新对准(3) 毛囊具有弯曲的形状，因此量化其方向（即，e.其与对齐的表皮的角度）是不一致的，除非为每个图像内的所有毛囊设置了一个CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-CRI-2. 用于量化毛囊方向的拟议方法在本节中，将讨论所提出的用于检测皮肤表皮层中毛囊的形态特征的系统，并将介绍用于分割毛囊和量化毛囊方向的图像处理技术。本研究中采用的毛囊定量方法主要包括三个部分。当然，第一步涉及使用先前S. 侯赛因医学信息学解锁22（2021）1004983图四、提出的方法的主要阶段。描述了将组织病理学皮肤图像中的感兴趣区域划分为三层（表皮、真皮和皮下组织）的算法[6]。这之后将是一种算法，该算法从表皮层的区域分割毛囊，并在从图像的左侧到右侧以及从顶部到底部的标准化方向上对齐表皮层。最后，算法的性能将被计算和测试，用于自动量化与表皮层中毛囊方向相关的生物学相关参数。图4示出了所提出的方法的主要阶段。将详细解释该过程的每个阶段，为了完整起见，第一小节将讨论我们以前工作中开发/使用的表皮分割方法[6，7]。2.1. 毛囊分割开发的毛囊分割方案包括三个需要顺序执行的过程：（1）隔离表皮层薄外层的两条边界曲线，（2）对齐这两条边界曲线，以及（3）毛囊分割2.1.1. 评价表皮层的顶部和底部曲线部分通过减去两个表皮掩模来估计表皮二元掩模的边界：原始掩模和使用一像素侵蚀形态从第一个表皮掩模导出的第二掩模，下文称为侵蚀掩模。界定此子层的最外曲线将被称为顶部曲线，而底部曲线是将子层与表皮底部曲线的形状与表皮层中的毛囊相关[8毛囊的位置沿此曲线显示为深口袋状部分。图C、D和F中的面板。 5说明此程序的步骤。2.1.2. 表皮层顶部和底部曲线部分的对齐在下一步毛囊分割之前需要进行预处理以改善定量分析，从而使所有图像的毛囊方向具有可比性。这主要是为了将顶部和底部曲线重新对齐到标准化位置，以便能够有效比较两种类型（野生型和突变型）的图像它有必要对齐所有图像，以得出合理的分析结果[14该程序最初确定了顶部和底部曲线的第一个和最后一个点（图6）。具有最小X坐标值的piXel定义顶部曲线中的第一个点，最后一个点由具有最大X坐标值的pixel表示。然后从顶部曲线的第一个点到最后一个点画一条线。此后，使用每条曲线的第一点和最后一点确定曲线的斜率，并通过相对于x轴的斜率来确定角度。最后，将图像旋转一定角度以使其对齐，如图5（E和G）所示。同样，确定并旋转底部曲线的第一个和最后一个点。随后，顶部曲线和底部曲线的对齐被包括在同一图像中，即新图像具有两个对齐的曲线，如图5H所示。此外，将对齐的图像转移到更大的图像矩阵，以确保位于图像边缘的毛囊不会丢失。此外，顶部和底部S. 侯赛因医学信息学解锁22（2021）1004984图五. 用于在HE图像中对准表皮层的自动方法&：A）原始图像，B）分割的表皮层，C）表皮层边界，D）表皮的顶线，E）使用顶线中的第一个点和最后一个点的斜率来对齐顶曲线，F）表皮层的底曲线，G）使用底曲线中的第一个点和最后一个点的斜率来对齐底曲线，H）从上到下的加法操作以将曲线聚集为表皮层。图六、曲线中 第一个 和最后一个点的标识。图像中的曲线一起表示小鼠皮肤中的表皮层。下面的框图显示了用于对齐表皮层的过程（图1）。 7）。2.1.3. 毛囊的分割在此阶段，使用所提出的算法分割表皮层的毛囊。在与毛囊相关的表皮层（顶部和底部曲线）上应用对齐算法后，对齐的图像用作下一阶段的输入以分割毛囊。用于分割毛囊的算法从增厚表皮层的顶部曲线开始。这一步是分析厚度所必需的，厚度将用于分区之后的毛囊。伪代码1解释了分割毛囊所遵循的步骤。在不影响毛囊分割精度的情况下，对顶部曲线的分段进行了几次实验，以获得毛囊的有效分割。在视觉上测试分割时，发现100像素将是用于在保持曲线形状的同时增厚曲线以及用于在不影响分割过程的准确性的情况下分割毛发的适当表示，如图8A和B所示。随后，磁盘 2的形态学膨胀和腐蚀被用来关闭图像中对象（顶部曲线）内部的不需要的像素，如图11所示。图8B.过滤过程用于两个图像，首先处理S. 侯赛因医学信息学解锁22（2021）1004985伪代码1分割毛囊的步骤第一步：将顶部曲线放大100像素。第二步：将上面的曲线扩大并腐蚀2个像素，得到圆盘形状。第三步：反转第二步得到的输出曲线。步骤4：将顶部曲线（步骤3）的每个像素与底部曲线中的像素相乘，以分割毛囊。图7.第一次会议。表皮层自动对齐的框图。图8.第八条。 HE&图像中毛囊的自动分割：A）表皮层的顶线，B）通过在其周围添加100像素来增加线的厚度，B）对齐表皮层的底线，D）毛囊分割。S. 侯赛因医学信息学解锁22（2021）1004986图9.第九条。 用于量化毛囊方向的框图。图10个。 确定每 个 毛 囊 的中间点 和第二点。表1使用自动测量与地面真实值比较卵泡计数的平均值和标准差。测量自动手动μσμσ毛囊分割1.910.911.90.99在包括顶部曲线的第二图像上，如图8B所示，然后在包括由毛囊组成的底部曲线的第二图像上，如图8C所示。图8D示出了将顶部曲线的像素元素反转为零，并将每个像素元素与底部曲线的像素元素相乘，然后分割毛囊。2.2. 毛囊方向在对表皮层中的毛囊进行分割后，将取向量化算法应用于毛囊，其能够标记每个毛囊，如图9和图10中的框图所示。图9中的框图示出了该算法的步骤。该算法通过识别每个标记的毛囊的第一像素el的坐标点来确定每个毛囊的第一点和最后点（图10），如分别由最小X坐标和最小y坐标值请注意，见图11。HE图像的表皮层中的毛囊的取向的自动量化：A）毛囊分割，B）确定每个毛囊腺的第一点和最后一点，C）使用每个毛囊腺的斜率量化毛囊的取向角S. 侯赛因医学信息学解锁22（2021）1004987见图12。 毛囊分割的手动和自动方法比较。图十三. 成功和不成功的卵泡分割：A）良好分割，B）不良分割，C）双重分割。中间的毛囊不准确，但其他的都准确。MATLAB中的图像位于左上角。接下来，确定连接第一个点和最后一个点的直线的中点，并将毛囊的长度确定为毛囊中所有点之间的最大欧几里得距离。这将被估计为中间点和代表毛囊尖端的第二点之间的距离。第二个点是最远的点，从第一个点和最后一个点之间的线开始观察毛囊边界（图10）。最后，毛囊的方向由从中点到第二点的线与表示表皮的对准线的x轴所成的角度确定。因此，这条线的斜率代表了毛囊的方向（图1）。 11）。S. 侯赛因医学信息学解锁22（2021）1004988××图14. 毛囊角手动和自动测量的相关性。表2手动与自动测量毛囊方向的角度。测量R2ARL MAEσ毛囊方向83% 45.80.0180.18表3毛囊角度的手动与自动测量测定）、ARL（回归线角）、MAE（平均绝对值误差）和标准偏差的绝对误差之间的地面实况和自动测量（σ）进行了计算。数据库及评价将野生型表皮以及个体基因型（462种不同基因敲除）的HE图像用于实验[17该数据集覆盖了4000张HE图像，其中1444张908分辨率，放大20倍（TIFF）格式。本文介绍的方法应用于4000幅高分辨电子图像。由于很难手动标记我们的小鼠皮肤组织图像数据集中的所有图像，因此随机选择了由专家注释的100张图像作为基础事实。3.1. 手动与自动测量对手动与自动毛囊测量进行了两次比较。第一个比较从表皮层分割毛囊的准确性，而第二个比较毛囊方向的角度的测量。3.1.1. 毛囊分割的手动与自动方法为了评估自动毛囊分割相对于地面实况的准确性，针对自动和手动分割计算测试图像中分割的毛囊的数量。心理状态平均值（μ）和标准差（σ）的数量测量上限LoaLoA下限计算所有测试图像上的毛囊分割（表1）。从表中可以清楚地看出，我们的自动方法是高度自动化的。毛囊方向4.98-5.243. 实验分析和结果设计ex实验以比较自动毛囊方向测量与手动测量。由于在所有实验图像中手动计数毛囊的困难，由专家选择100个图像的随机样本用于实验，以用于地面实况（由领域专家手动计算）比较。 为了检查测量 纵观这些 实验， 的 R 2 （系数）有效地从表皮层分割毛囊。在图12中，有两种类型的条：红色条代表毛囊的手动计数，灰色条代表自动计数。 从图12中可以清楚地看出，红色和灰色条紧密匹配所选的100个图像，确认了良好的成功。计算的R2值 为了检查测量之间的一致性，手动和自动方法之间显示出0.92的强相关性。3.1.2. 手动与毛囊自动定位方法所提出的算法量化的毛囊的角度方面的方向。每个实验图像由一个以上的毛囊组成，有些图像有两个或三个毛囊。图15. 手动与自动测量毛囊方向的Bland-Altman分析。S. 侯赛因医学信息学解锁22（2021）1004989-因此，在我们的算法中，使用输入图像中所有毛囊的计算角度的中值。在这种情况下，将中间值设置为图像的方向。例如，如果三个毛囊方向在图像中由三个角度量化，则将选择中间值，而不管其是否基于中值有误差（图10）。 13 A和C）。此外，我们的实验表明，我们的算法有一个选择准确方向值的概率很高，如R2（图14）、ARL（回归线角度）、MAE（平均绝对误差）和σ[21，22]（表2）的值所示。在评估了手动和自动测量结果，有必要使用Bland-Altman分析（BA）评价它们之间的一致性[23，24]。表3显示了所有测量的LoA（一致性限）下限和上限毛囊方向测量的BA分析的散点图显示了自动方法与基于100个随机选择的图像的基础事实之间的接近度（图15）。毛囊方向成功量化的原因是大多数数据点位于LoA范围[21]对于表皮层中毛囊方向的角度，其范围为5.25°至4.24°。LoA范围内的数据点表示正确的情况，而位于LoA范围外的点表示正确的情况。LoA范围表示不正确的情况（图 15）。4. 讨论和结论毛囊在小鼠皮肤组织的组织学变化中起着重要作用，可以在其显微图像中观察到。卵泡中的疾病是由几个因素引起的，包括突变表型和健康状况，如卵泡炎症。在本文中，我们开发和研究自动方法来分割和量化的表皮层中的毛囊的方向。使用WT和突变型小鼠的HE显微皮肤图像的足够大的数据集来测试所开发的方案的可靠性和有效性，证明了巨大的成功。在确定了与计算毛囊方向的任务相关的技术挑战之后，我们的系统方法有助于有效地处理这些挑战，并产生了几个贡献。首先，该研究非常成功地分割了表皮层的外层，其中包括易于分离的毛囊腺。此外，本研究定义了一种简单的程序，以标准化的方式对齐表皮的分段子层，该程序可应用于任何图像，以促进毛囊方向的有效统一定义。本文还重点介绍了我们设计的程序，用于评估每个分割毛囊的方向，并选择一个单一的方向值代表所有的毛囊在皮肤切片图像。我们 实验 工作 与 一 随机 样品 的 100个图像证明了我们的自动方案和由领域专家手动确定的地面实况竞合利益作者声明，他们没有已知的可能影响本文所报告工作确认我非常感激和衷心感谢应用计算系的工作人员和我在白金汉大学和巴格达大学的同事。引用[1] Sundberg JP.皮肤和毛发异常的小鼠突变手册：动物模型和生物医学工具。CRC Press; 1994.[2] WangY，et al.小鼠舌上乳头的图案化平面细胞极性信号传导的定量评估。Dev Biol 2016;419（2）：199-382。[3] vander Veen C，et al. 毛囊形态发生不同阶段的识别和分类的综合指南。 《皮肤病学投资杂志》1999;113（4）：523[4] DiTommaso T等人，在小鼠中通过大规模反向遗传筛选揭示了对皮肤功能重要的基因的鉴定。PLoS Genet 2014;10（10）：e1004705.[5] Hussein S，SelwayJ，Jassim S，Al-Assam H.小鼠皮肤H E显微图像的自动分层&。在：移动多媒体/图像处理，安全和应用2016。9869; 2016年。 98690C。[6] 侯赛因·S·小鼠皮肤的分层分割无花果软件。 2020年。[7] 黄伟基于曲线拟合的交互式模糊医学图像分割算法。在：遗传和进化计算，2008年。WGEC'08。2008年第二届国际会议。p. 332- 5[8] 吴晓波，王晓波，王晓波.关节炎患者手腕骨的全自动分割。生物医学成像：从纳米到宏观，2011年IEEE国际研讨会; 2011年。 p. 636- 40[9] 杨文，李文，李文，李文，李文.基于growcut-based快速3d mri分割的交互式种子生成比较研究。在：信号&信息处理协会年度峰会和会议（APSIPAASC），2012年 亚太地区; 2012年。p. 一比四[10] 姜平，彭杰，张刚，程娥，Megalooikonomou V，Ling H.基于学习的超声图像乳腺肿瘤自动检测与分割。 在ISBI2012年：1587[11] 吴军，赵勇，朱J-Y，骆S，涂志。Milcut：交互式图像分割的扫描线多实例学习范例。在：IEEE会议记录计算机视觉和模式识别会议; 2014年。 p. 256比63[12] PraveenGB，Agrawal A.用于脑肿瘤检测的混合方法和磁共振图像中的分类。在：通信，控制和智能系统（CCIS），2015; 2015。p. 162比6[13] [10]张晓刚，王晓刚. 健壮对准前列腺组织切片的定量准确性。IEEE Trans Biomed Eng2013;60（2）：281-91。[14] Zhang Y，Baghaei H，Li H，Ramirez R，Wong WH.基于互相关最大化的PET/CT重建自动自对准和配准法在：IEEE核科学研讨会会议记录; 2013年。p. 一比四[15] MustraM，Grgic M，Zovko-Cihlar B.X射线骨图像的对齐于：电信（BIHTEL），2014年第X届国际研讨会; 2014。第1-4页。[16] 生命中的基因|[在线]第101课可用：http://www.genesinlife.org/genetics-101/why-learn-about-genetics[访问日期：2016年3月12日]。[访问日期：2019年10月30日]。[17] 遗传学家参考。遗传学家。在线，【在线】。可用：https：ghr.nlm.nih.gov/primer/hgp/genome; 2003 [访问日期：2016年9月7日]。[18] Wellcome Trust Sanger Institute。鼠标管道。在线，【在线】。可用网址：https://www.sanger.ac.uk/science/groups/mouse-pipelines; 2016年[访问日期：2016年12月3日]。[19] 国家人类基因组研究所。国家人类基因组研究所。在线，【在线】。可查阅：https://www.genome.gov/12514551/knockout-mice-fact-sheet/; 2015年。[20] ChaiT，Draxler RR.均方根误差（RMSE）或平均绝对误差（MAE）？- 文献中反对避免RMSE的论点。Geosci Model Dev2014;7（3）：1247-50.[21] BlandJM，Altman DG.评估两种方法之间一致性的统计方法临床测量方法。 Int J Nurs Stud 2010;47（8）：931-6.[22] 基因敲除小鼠的全基因组生成和系统表型分析揭示了许多基因的新作用，桑格研究所小鼠遗传学项目。 Cell 2013;154（2）：253-468.
我的内容管理
展开
