Immunofluorescence diagnosis and analysis of samples of its images in autoimmune pemphigus

Full Text

Аутоиммунная пузырчатка (АП) - группа аутоиммунных буллезных дерматозов, характеризующаяся внутри- эпителиальным образованием пузырей и присутствием !wWt . * • ’ • . Рис. 1. Типы особенностей фиксации IgG в межклеточных пространствах эпидермиса при аутоиммунной пузырчатке: а - вид «толстой сетки»; б - вид «тонкой сетки», красная стрелка указывает местоположение структуры; в - вид «гранул», красная стрелка указывает местоположение структуры; г - вид «пунктира»; д - сочетание «гранул» и «тонкой сетки». 1 "Vr • ' vy Sw-'- специфических IgG-аутоантител к антигенам межклеточной связывающей субстанции (МСС) многослойного плоского эпителия [1, 2]. Характерная иммуноморфологиче- ская картина (фиксация IgG в МСС эпидермиса) позволяет с точностью диагностировать АП [1, 3]. При этом, как показывает многолетнее наблюдение, иммуноморфологи- ческая картина фиксированного IgG в МСС эпидермиса имеет многообразие: в виде «сетки» (тонкая или толстая), «пунктира», «гранул» или их сочетания. Оценка характера фиксации IgG в межклеточных пространствах эпидермиса позволяет выявить особенности и степень выраженности процесса, спрогнозировать течение пузырчатки и провести индивидуальные лечебные мероприятия [4, 5]. Так, наличие фиксированного IgG в межклеточных пространствах в виде «тонкой сетки» характерно для благоприятного течения болезни с достижением клинической ремиссии только препаратами глюкокортикостероидного ряда. Фиксация IgG в виде грубых «гранул» форм сопровождается обычно тяжелым торпидным течением, требующим присоединение к глюкокортикостероидам цитостатиков. Однако, в ряде случаев, в ходе использования данного метода диагностики визуализация выше указанных специфических признаков аутоиммунной пузырчатки затруднительна в силу слабовыраженной и/или неравномерной специфической иммуногистохимической реакции, что не позволяет с абсолютной точностью диагностировать пузырчатку. С этой целью рассмотрена задача улучшения качества диагностики АП по изображениям образцов тканей кожи, обработанных мечеными антителами. Материал и методы Рассмотрены 805 изображений иммуноморфологической картины пузырчатки 54 больных, страдающих АП, с использованием программного комплекса, разработанного на языке C# с применением технологий .Net, в основе которого лежат алгоритмы выравнивания освещенности, детектирования хребтовых структур и выделения связных компонент. Результаты и обсуждение В ходе исследования выявлены конкретные межклеточные структуры, которые необходимо детектировать на изображениях иммуноморфологической картины пузырчатки, а также проблемы, возникающие при их обнаружении и один из возможных способов их решения. Так, анализ изображений продемонстрировал следующие типы особенностей фиксированного IgG в МСС эпидермиса: Вид «толстой сетки» (рис. 1, а). Данная структурная особенность характеризуется проявлением на коже пациента непрерывной сетки средней яркости за счет окраски межклеточного вещества IgG и освещения люминесцентной лампой. Величина яркости считается относительно яркости тонкой сетки и яркости гранул. При сравнительном анализе на снимках одинакового масштаба имеет диаметр линий больший, чем у «тонкой сетки». Вид «тонкой сетки», представляющей собой непрерывную сетку низкой яркости, относительно «толстой сетки» и «гранул» (рис. 1, б). При сравнительном анализе на снимках одинакового масштаба имеет диаметр линий меньший, чем у «толстой сетки». Вид «гранул», которые проявляются в межклеточном веществе и характеризуются высокой яркостью и слабой связностью между собой (рис. 1, в). Вид «пунктира» - структуры, внешне напоминающие сетку, но имеющие разрывы, величина которых больше некоторого порогового значения, со средней или низкой яркостью (рис. 1, г). Проявление «гранул» возможно в комбинации с одним из типов «сетки» (рис. 1, д). При обнаружении межклеточных структур возникает целый ряд проблем: - из-за условий проведения исследования изображения имеют крайне неравномерную освещенность (рис. 2); - на изображениях присутствует тепловой шум сенсоров. Он искажает результаты алгоритмов выделения границ. Неточное обнаружение границ мешает правильному выделению таких структур, как «сетка» и «пунктир»; Рис. 2. Снимки (цифровое изображение) иммуноморфологической картины аутоиммунной пузырчатки без выравнивания освещенности (а) и с выровненной освещенностью (б). - присутствие на изображении «битых» пикселей, появляющиеся ввиду несовершенства аппаратуры, ухудшает алгоритмическое обнаружение гранул, так как подобные искажения могут быть приняты за гранулы. Данные проблемы можно решить на этапе предобработки изображений. С помощью медианной фильтрации удаляют «битые» пиксели, а обработка фильтром Гаусса позволяет снизить влияние теплового шума. Основную сложность представляет собой задача нахождения межклеточных границ. Межклеточные границы представляют собой хребтовые структуры, таким образом, с точки зрения математической обработки изображений, под определение границы они не подпадают. Межклеточная граница же сама по себе является отдельной областью, так как сопоставима по размеру с областями, которые она разделяет, поэтому для её детектирования необходим особый подход. Эта проблема решается детектированием хребтовых структур, удалением связных компонент малого радиуса и наложением полученной карты на исходное изображение. Рис. 3. Изображение иммуноморфологической картины аутоиммунной пузырчатки в виде «толстой сетки» у пациента А., 58 лет. а - исходное изображение без выровненной освещенности; б - изображение с выровненной освещенностью; в - карта хребтовых структур. Общий вид алгоритма следующий: 1. Предобработка изображения: - выравнивание освещенности [6]; - медианная фильтрация [7]; - обработка фильтром Гаусса сп=20. 2. Детектирование хребтовых структур с помощью вычисления и анализа собственных значений матрицы Гессе и г^хх ^хул IL L ьху byyJ , где L - значения исходного изображения [8-10]. 3. Бинаризация изображения. 4. Выделение связных компонент с удалением компонент малого радиуса [11]. 5. Наложение полученной карты хребтовых структур на изображение с выровненной освещенностью. Рис. 4. Изображение иммуноморфологической картины аутоиммунной пузырчатки в виде сочетания «пунктира» и «гранул» у пациента К., 73 лет. а - исходное изображение без выровненной освещенности; б - изображение с выровненной освещенностью; в - карта хребтовых структур. В качестве примеров экспериментальных результатов представлены снимки двух пациентов (рис. 3, 4). У первого на снимках выявлена структура «толстой сетки», у второго - «пунктир» с «гранулами». Для каждого пациента приводится по три изображения: исходное изображение, изображение с выровненной освещенностью и карта хребтовых структур, с удаленными компонентами малого радиуса. Таким образом, в результате применения данного алгоритма детектирования хребтовых структур происходит четкая визуализация границы фиксации антитела с антигеном десмосомального аппарата (межклеточное соединение) многослойного плоского эпителия, что позволяет в сомнительных случаях диагностировать АП. Кроме того, четкая визуализация характера (гранулярное или линейное) фиксации IgG в межклеточных пространствах эпидермиса повышает точность прогнозирования дальнейшего течения болезни, обеспечивая своевременное адекватное ведение пациента с назначением патогенетически обоснованных схем лечения. Необходимо подчеркнуть, что использование математических методов обработки цифровых изображений (или снимков) позволяет повысить чувствительность метода меченых антител, в то время как полученные ранее этим методом результаты не позволяют человеческому глазу увидеть необходимые для постановки диагноза детали, что продемонстрировано, в том числе, и нашими исследованиями. Внедрение современных компьютерных методов обработки медицинских изображений позволяет существенно совершенствовать методы диагностики заболеваний человека, включая аутоиммунные буллезные дерматозы.

About the authors

A. A Dovganich

Lomonosov Moscow State University

Laboratory of mathematical methods of image processing, Faculty of Computational Mathematics and Cybernetics 119991, Moscow, Russia

A. V Nasonov

Lomonosov Moscow State University

Laboratory of mathematical methods of image processing, Faculty of Computational Mathematics and Cybernetics 119991, Moscow, Russia

Andrey S. Krylov

Lomonosov Moscow State University

Email: kryl@cs.msu.ru
Doctor of Phys.-Math. Sciences, Professor, head of the laboratory of mathematical methods of image processing, Faculty of Computational Mathematics and Cybernetics 119991, Moscow, Russia

N. V Makhneva

Moscow Regional Research and Clinical Institute

Department of Dermato-venereology and dermato-oncology 129110, Moscow, Russia

References

Supplementary files