Graph Cut Based Image Segmentation in Fluorescence Microscopy

RNDr. Ondřej Daněk, Ph.D.

Doctoral thesis

Abstract:

Vývoj v moderní éře molekulární a buněčné biologie je hnaný ohromným technologickým pokrokem několika posledních dekád. Nové nástroje jako fluorescenční mikroskopy s vysokým rozlišením společně s vývojem fluorescenčních sond umožňují biologům pozorovat buněčné komponenty včetně proteinů, chromosomů nebo dokonce jednotlivých genů a studovat dynamiku rozličných biologických procesů na mikroskopické úrovni. Avšak ruční zpracování rozsáhlých datových souborů získaných v těchto experimentech je těžkopádné a náchylné k chybám a vytváří proto přirozenou poptávku po spolehlivých kvantitativních metodách založených na rychlých a robustních automatických nebo alespoň částečně automatických algoritmech pro zpracování obrazu, které umožní získat nezkreslené výsledky. Jedním z klíčových kroků ve zpracování biomedicínského obrazu je segmentace, jejíž cílem je nalezení studovaných objektů v obraze. Přední roli v současném výzkumu segmentace hrají sofistikované a matematicky dobře podložené metody založené na minimalizaci energie. Mezi těmito metodami je velmi populární přístup využívající hledání řezů ve speciálně zkonstruovaném grafu, zejména z důvodů efektivního výpočtu, numerické stability, schopnosti zahrnout do výpočtu visuální a kontextovou informaci, globálně optimální řešení, neomezené topologické vlastnosti a snadné zobecnění do vyšších dimenzí. Přestože metody založené na grafových řezech byly v minulosti prezentovány na široké škále dat, včetně biomedicínských, obrázkům, se kterými se setkáváme ve fluorescenční mikroskopii se nevěnovala zvláštní pozornost. Hlavním přínosem této práce je zaměřit se na specifika dat pořízených na fluorescenčních mikroskopech (zejména obrázky buněk a buněčných jader) jako jsou nízký kontrast, rozmazání, anizotropní rozlišení, nehomogenní obarvení nebo dotýkající se objekty a navrhnout vhodné a efektivní algoritmy pro segmentaci a sledování založené na řezech v grafu. Tato práce se skládá ze tří hlavních témat. V první části se zabýváme aproximací Euklidovské a Riemannovské metriky pomocí grafových řezů a odvodíme aproximační metodu, která má několik příznivých vlastností v porovnání s existujícími přístupy. Ve druhé části uvedeme dva segmentační algoritmy využívající navrhnutou aproximaci. První metoda je založená na populárním Chan-Vese funkcionálu a přináší vylepšení zejména v oblasti robustnosti, rychlosti, paměťové náročnosti a kvalitě nalezených řešení. Druhá metoda je novým přístupem k segmentaci dotýkajících se buněčných jader. V poslední části práce integrujeme do grafových řezů omezení pro zachovávání topologie objektů a ukážeme, jak lze tuto modifikaci zkombinovat se segmentací pomocí Chan-Vese funkcionálu a získat rychlou metodu pro sledování pohybu buněk.

Abstract:

The progress in the modern era of molecular and cell biology is driven by the tremendous technological advances of the last few decades. Hardware tools such as high-resolution fluorescence microscopes together with the development of fluorescent probes allow biologists to observe sub-cellular components including chromosomes or even individual genes and proteins and study the dynamics of diverse processes at microscopic level. However, manual analysis of large data sets obtained in such experiments is cumbersome and error prone and thus creates a natural demand for reliable quantitative methods based on fast and robust automatic or semi-automatic image processing algorithms to produce unbiased statistics. One of the critical parts in biomedical image analysis is segmentation, aiming for accurate object localization. A prominent role in the current research of segmentation is played by sophisticated and mathematically well-founded methods based on energy minimization. Among these, the graph cut framework has become very popular for its computational efficiency, numerical robustness, ability to integrate visual cues and contextual information, globally optimal solutions, unrestricted topological properties and applicability to N-D problems. Although the graph cut approach has been presented on a broad range of data including biomedical, the fluorescence microscopy images have not received too much attention. The main contribution of this thesis is to focus on the specifics of images acquired by fluorescence microscopes (in particular, images of cells and cell nuclei) such as low contrast, blur, anisotropic resolution, non-homogeneity or touching objects and design suitable and efficient segmentation and tracking algorithms based on the graph cut framework. The thesis comprises three main topics. In the first part, we deal with Euclidean and Riemannian metric approximation via graph cuts and derive a method that has several favourable properties over existing approaches. In the second part, we present two segmentation algorithms exploiting this approximation. The first one is based on the popular Chan-Vese model where we achieve improvements in terms of robustness, efficiency and quality of solutions. The second one is a novel approach to segmentation of touching cell nuclei. In the last part, we integrate the graph cut framework with topology-preserving constraints and show how this modification can be combined with the Chan-Vese segmentation model to obtain a fast cell tracking method.

Keywords

graph cut optimization, maximum flow, biomedical image segmentation, energy minimization, metric approximation, topology preserving constraints, cell tracking optimalizace založené na řezech v grafu, maximální tok, segmentace biomedicínských obrazů, minimzalizace energie, aproximace metrik, zachovávání topologie, sledování pohybu buněk

Language used: English

Date on which the thesis was submitted / produced: 4. 4. 2012

Thesis defence

• Date of defence: 19. 6. 2012
• Supervisor: prof. RNDr. Michal Kozubek, Ph.D.
• Reader: prof. Dr. Ing. Jan Kybic, Jussi Tohka, Ph.D.

Masaryk University

Faculty of Informatics

Doctoral programme / field:
Informatics (4-years) / Informatics