Resumen de Contribución a la discriminación diagnóstica sin etiquetas de medios biológicos mediante la determinación de propiedades ópticas de imágenes de microscopía sensible a la fase e inteligencia artificial
- español
La discriminación entre tejido sano y patológico en el contexto clínico se realiza principalmente mediante biopsia convencional, que se basa en la extracción de muestras de dichos tejidos que, después de una preparación específica, se examinan al microscopio óptico estándar para la determinación de sus características histológicas. Aunque de gran valor diagnóstico, este tipo de biopsia presenta limitaciones debidas en gran parte al sistemático procesamiento necesario para su correcta observación.
El objetivo del presente trabajo de tesis doctoral es contribuir a la discriminación diagnóstica, de medios biológicos sin etiquetas mediante la determinación de propiedades ópticas de imágenes de microscopía sensible a la fase e inteligencia artificial. El trabajo se centra principalmente en las técnicas de microscopía avanzada sensibles a la fase para su aplicación a la discriminación de tejidos biológicos sanos y patológicos sobre muestras delgadas frescas, no tratadas, teniendo en cuenta el estudio de modelos de tejidos biológicos y de la propagación de la radiación óptica, particularmente de la evolución de conceptos tan importantes como la coherencia de dicha radiación para diferentes haces espaciales mediante el empleo de las funciones de Green.
Para ello, y en primer lugar, se estudian los modelos de tejidos biológicos de bajo contraste y la interacción de la luz con los tejidos biológicos. Los tejidos biológicos se modelan como medios análogos a la atmósfera con turbulencias, debido a sus cambios en el índice de refracción. A continuación, se modela la propagación de los haces ópticos a través de dichos tejidos considerando su esparcimiento y aplicando la ecuación de Helmholtz, las funciones de Green y la aproximación de Born, que modela la propagación de la radiación óptica total, incidente y esparcida.
Se incluye un estudio tanto para el caso de modelos discretos de los tejidos biológicos como para modelos continuos. Es en el caso continuo donde, a partir de modelos de otros medios con turbulencia, como la atmósfera y los océanos, se definen parámetros como la escala exterior y la escala interior, que se extrapolan a los tejidos biológicos y que afectan a la propagación de la luz en dichos medios, mediante el cálculo de la densidad espectral espacial de potencia. Estos parámetros, tanto ópticos como biológicos, afectan al perfil de propagación de los haces ópticos.
Asimismo, se presenta la microscopía de contraste de fase desarrollada por Zernike y sus evoluciones científico-técnicas actuales como la microscopía óptica sensible a la fase, a partir de cuyas imágenes, y mediante la aplicación del teorema de fase de esparcimiento, hacen posible la extracción de parámetros ópticos, tales como, el coeficiente de esparcimiento, el coeficiente de anisotropía o la varianza del índice de refracción. Además, este tipo de imágenes de fase de tejidos biológicos de bajo contraste presentan la propiedad de autosimilitud en el sentido estadístico de acuerdo a las escalas de observación de los tejidos, por lo que pueden modelarse mediante la geometría fractal, lo que permite obtener un parámetro muy importante como es su dimensión fractal.
En base a los citados modelos, se obtienen varios parámetros del tejido biológico mediante el procesamiento de imágenes de fase, como la escala externa, la dimensión fractal, el factor de anisotropía, el coeficiente de esparcimiento o la varianza del índice de refracción. La escala exterior y la dimensión fractal se obtienen modelando imágenes histológicas utilizando fractales, la variación del índice de refracción depende del gradiente de las imágenes histológicas, y el factor de anisotropía y el coeficiente de esparcimiento están relacionados por el teorema de fase de esparcimiento con el gradiente de intensidad de la fase de la imagen de contraste.
Se extraen y analizan varias muestras de tejido fresco, sin etiquetas, principalmente de hígado, colon y riñón, sanos y tumorales. Se obtienen imágenes de fase y los parámetros de contraste de fase se calculan mediante el procesamiento de imágenes, en función de modelos de tejido anteriores. Se realiza un análisis estadístico con el fin de extraer especificidad, sensibilidad y significancia en la diferencia de los parámetros para tejidos sanos y tumorales, en función del tipo de tejido.
Se han implementado diferentes algoritmos de clasificación, como el análisis discriminante lineal y cuadrático, Naive Bayes, k-NN, SVM, árbol de decisiones y ANN. También se han definido, como indicadores del rendimiento de los clasificadores, el error de restitución y el error de correlación cruzada. Estos algoritmos de clasificación se han utilizado para clasificar muestras de tejidos de cerebro, hígado, riñón, ganglio y testículo. Para automatizar y optimizar la clasificación de las diferentes muestras de tejidos sanos y tumorales se decidió unificar parámetros característicos de los grupos de clasificación, esto es, considerar como parámetros de los clasificadores la dimensión fractal, la varianza del índice de refracción, el factor de anisotropía, el factor de esparcimiento o scattering y la escala exterior.
Se han analizado los errores de restitución y errores de correlación cruzada en términos de los falsos positivos y los falsos negativos de los clasificadores, y se concluyó que los que presentan errores más bajos, y por lo tanto son los mejores clasificadores de tejidos sanos y tumorales para las muestras de tejidos de cerebro, hígado, riñón, ganglio y testículo, son los clasificadores de árbol de decisión y de Naive Bayes usando el método de densidad del kernel.
Todo lo anterior supone una contribución relevante para la discriminación automática de tejido sano y tumoral mediante histología digital de imágenes sensibles a la fase de cortes de tejido biológico fresco, sin etiquetas.
- English
Discrimination of healthy and pathological biological tissues using label-free optical techniques is one of the challenges of medical diagnostic techniques. Since its invention, optical microscopy has been a fundamental technique for obtaining images of microorganisms and biological tissues. Biological media present low optical contrast, so it is not possible to analyze them using conventional imaging techniques with the appropriate resolution and contrast. The recent development of phase-sensitive optical microscopy techniques makes it possible to apply them both at the cellular level and to the discrimination of pathologies in biological tissues. In this doctoral thesis, the results of applying fractal analysis and advanced optics theories to phase-sensitive microscopy images of label-free healthy and tumoral tissue of various organs, fresh tissue, for their discrimination, are presented. The implementation of artificial intelligence algorithms allows to obtain diagnostic discrimination results applicable to the clinical context.
