Sviluppo di un tool per la normalizzazione della colorazione di biopsie istologiche digitalizzate = Development of a stain normalization tool for digitalized whole slide images (WSIs)

L'introduzione commerciale degli scanner per imaging da vetrino istologico completo (WSI) permette di ottenere un rendering digitale della biopsia e di visualizzare le strutture ad altissime risoluzioni; proporzionalmente alla risoluzione selezionata aumenta il peso computazionale dell’output finale.Le fasi di preparazione ed assemblaggio di un vetrino istologico sono completamente manuali, il posizionamento della cover può generare artefatti a causa della presenza di polvere, bolle d’aria o contaminazioni di altri microrganismi mentre la digitalizzazione può imporre delle intensità di colori diverse a seconda dello scanner utilizzato, della luce circostante e della tecnologia di utilizzo. Se il campione non è perfettamente allineato con il piano focale dello scanner l’immagine può risultare addirittura sfocata.L’analisi e il processing di una WSI in formato nativo sono dunque dei processi computazionalmente onerosi, l’obiettivo di questo lavoro di tesi è sviluppare un’intera pipeline di normalizzazione degli stain dell’immagine che mantenga elevata la qualità dell’output riducendo i tempi computazionali. Le WSI digitalizzate in analisi sono state ricavate da biopsie di diversi tessuti in diverse tipologie di colorazione. La procedura di normalizzazione degli stain implica la trasformazione di un’immagine I in un’immagine normalizzata I_NORM. L’immagine finale è morfologicamente identica a quella di input a meno dei colori che vengono normalizzati sulla base di un’immagine template scelta accuratamente in una fase preliminare.Dopo un’attenta analisi delle diverse metodologie utilizzate per effettuare la normalizzazione degli stain di un’immagine, il metodo selezionato è la color deconvolution di Macenko che offre un ottimo trade off tra stabilità dei risultati e tempi computazionali.I tool sviluppati si soffermano, oltre che sulla normalizzazione, sull’implementazione di una serie algoritmi di pre e post-processing che migliorano la qualità della normalizzazione riducendo i tempi di processing.In primis si individuano solo le porzioni di tessuto presenti, ottenendo delle maschere che permettono di escludere gli artefatti e lo sfondo.Per rendere più veloce e performante la procedura di normalizzazione dell’intero vetrino viene implementato un algoritmo che permette di estrarre delle patches quadrate (di dimensioni predefinite) significative e rappresentative di ogni sezione di tessuto. Queste patches vengono assemblate insieme a formare un’immagine rappresentativa degli stain della WSIs, definita “puzzle image”. Le puzzle image vengono estratte per ogni immagine del dataset e per ogni cartella viene selezionata una puzzle image che verrà utilizzata come target per la normalizzazione. La puzzle image target è scelta in base alla bontà della stain separation sulla stessa. La normalizzazione avviene scorrendo la WSI originale con una sliding window ed ogni finestra viene normalizzata utilizzando le matrici di normalizzazione calcolate in precedenza sulla puzzle image scelta come target e su quella relativa alla WSI in analisi.Questa tecnica permette di non caricare l’intera WSI in memoria per poi normalizzarla ma normalizza la singola finestra ricomponendo poi l’immagine normalizzata che avrà la stessa struttura morfologica dell’immagine originale con i colori degli stain della puzzle image target.In questo modo i tempi computazionali vengono ridotti al minimo.