Stereology Analyzer

Analyse stéréologique de structures 3D à partir de coupes ou de projections 2D

Stereology Analyzer est un outil logiciel simple d’utilisation qui permet d’estimer de manière fiable la quantification de structures 3D de grande dimension. Cet outil peut s’appliquer à divers domaines scientifiques, notamment la médecine, la science des matériaux et la géologie.

Les facteurs communs à ces domaines sont la nécessité de caractériser et de quantifier des structures microscopiques d’intérêt ( » SOI « ) et l’utilisation de très grandes images (c’est-à-dire des lames virtuelles ou des images composites).

Lorsqu’il n’existe pas de traitement automatique ou que celui-ci ne parvient pas à calculer les paramètres des SOIs de manière fiable, la stéréologie devient la méthode la mieux adaptée pour estimer ces paramètres. La stéréologie est aussi fréquemment utilisée pour valider la bonne performance d’algorithmes de traitement automatique. Stereology Analyzer est une implémentation fidèle des méthodes stéréologiques et statistiques reconnues scientifiquement depuis longtemps pour les applications suivantes :

• Sciences : structures d’intérêt
• Médecine : Tumeur, vaisseaux, cellules, points chauds, etc.
• Matériaux : Grains, inclusions, joints, porosités, etc.
• Géologie : Porosités, phases, etc.

Historique de la stéréologie

Le terme « stéréologie » a été introduit pour la première fois en 1961 lorsque la Société internationale de stéréologie (ISS) a été fondée par un petit groupe de scientifiques, bien que les fondements de la théorie stéréologique aient été définis il y a plus de 300 ans. Par définition, la stéréologie est la science qui étudie la relation géométrique entre une structure qui existe dans l’espace 3D et un ensemble d’images de la même structure qui sont définies dans l’espace 2D (images de coupes, de sections ou de projections). Il convient de noter que les techniques standards de traitement d’images en 2D ne permettent guère d’obtenir des informations 3D à partir de coupes, à l’exception de la valeur de la fraction volumique.

Présentation de Stereology Analyzer

Stereology Analyzer met en œuvre des techniques de stéréologie acceptées de longue date qui utilisent une grille interactive superposée aux régions d’intérêt ( » ROI « ) d’une image 2D. Stereology Analyzer permet à l’utilisateur de définir une ou plusieurs ROIs et une grille qui se superpose aux ROIs ou à l’image entière. Le type et l’espacement de la grille peuvent être ajustés par l’utilisateur afin d’obtenir les meilleures estimations des paramètres des SOIs contenus dans les ROIs. Les types de grilles sont caractérisés par l’élément géométrique qui s’affiche aux nœuds de la grille. Les éléments de la grille peuvent être des points, des lignes, des rectangles, des carrés ou des cercles.

Une fois la grille et les ROIs définis, l’utilisateur met manuellement en évidence les SOIs qui sont intersectées par les éléments de la grille. Le nombre d’éléments de la grille contenus dans les ROIs et le nombre de SOIs mis en évidence sont alors automatiquement comptés et utilisés pour calculer les paramètres des SOIs. Les calculs automatiques sont basés sur des analyses stéréologiques et statistiques classiques.

Ces résultats de calcul sont ensuite affichés à l’écran et peuvent être exportés dans des logiciels tiers (par exemple, Excel ou Word) pour être affichés et faire l’objet d’une analyse plus spécifique au domaine concerné.

Validation des algorithmes de traitement d'images

Les experts du domaine concerné peuvent utiliser Stereology Analyzer pour calculer rapidement des estimations non biaisées des paramètres de SOIs sur des lames virtuelles. S’il est utilisé correctement, Stereology Analyzer est une alternative efficace pour les développeurs de traitement d’images aux annotations fastidieuses pour valider un algorithme de traitement d’images. En outre, alors que les algorithmes complexes nécessitent une validation des résultats générés, les résultats obtenus par stéréologie ne nécessitent aucune validation puisque les résultats sont issus d’une analyse statistique standard des éléments de la grille et des SOIs mises en évidence par l’utilisateur.

Dans le domaine de la médecine, lorsque les SOIs ne peuvent pas être mises en évidence par une coloration spécifique (par exemple, des colorations histochimiques ou immunohistochimiques), ou lorsque la coloration n’est pas optimale ou que le tissu est hétérogène, les techniques de stéréologie constituent la meilleure alternative pour estimer les valeurs des paramètres des SOIs.

Lorsque la coloration spécifique est efficace, différents algorithmes de traitement et d’analyse d’images peuvent être développés, dont la complexité, la précision et l’efficacité varient.

Stereology Analyzer est un outil puissant qui permet d’établir lequel des algorithmes est le plus fiable et le plus précis. Le processus d’échantillonnage statistique utilisé en stéréologie réduit le problème difficile résultant de l’hétérogénéité des tissus. La force particulière de la stéréologie est qu’elle fournit toujours des estimations non biaisées des paramètres de la SOI, quelle que soit la complexité de l’échantillon de tissu. En combinant la stéréologie et le traitement d’images, dans les domaines de la pathologie et de la microscopie à balayage, l’utilisateur dispose d’un large éventail d’outils puissants pour caractériser les SOIs sur des lames virtuelles.

Capacités

Stereology Analyzer offre les possibilités suivantes :

• Grille : Uniforme et définissable par l’utilisateur en termes de densité et de type. Les types comprennent les points, les rectangles, les carrés, les cercles et les lignes.
• Région d’intérêt : Définissable par l’utilisateur, plusieurs régions sont autorisées ; elles peuvent avoir n’importe quelle forme (par exemple, ellipse, rectangle et dessin à main levée).
• Tissu indésirable : L’utilisateur peut exclure les zones sur lesquelles l’analyse n’est pas pertinente (tissu endommagé, par exemple).
• Données en entrée : Les formats d’image d’entrée sont TIFF, TIFF tuilé et JPEG.
• Données en sortie : Fraction de volume, densité numérique des profils SOI par unité de surface
• Raccourcis clavier : Fournis pour accélérer le processus de marquage de la SOI

Publications

[1] G. Matheron, 1975. Random set and integral geometry. J. Wiley and sons, New York, USA.

[2] E.R. Weibel, 1981. Stereological methods in cell biology: where are we–where are we going? J. Histochem. Cytochem., 29, 1043-1052

[3] H. J. G. Gundersen, R. Østerby, 1981. Optimizing sampling efficiency of stereological studies in biology: or “Do more less well!” J. Microsc., 121, 65-73.

[4] V. Howard and M. Reed, 1998. Unbiased Stereology. Three-dimensional measurement in microscopy. Microscopy handbooks 41, Bios Scientific Publishers, UK.

[5] J. Russ, R. Dehoff, 1999. Practical Stereology, 2nd Edition, Plenum Press, New York.

[6] L. Kubınova, X. W. Mao, J. Janacek, J. O. Archambeau, 2003. Stereology Techniques in Radiation Biology, Radiation Research 160, 110-119.

 

Remerciements

Le concept de ce module est dérivé de l’expertise en stéréologie de Paulette Herlin et de ses travaux de développement originaux au Centre anti-cancéreux François Baclesse. L’expertise du Dr Dragos Vasilescu, PhD, dans le domaine de la stéréologie et de l’utilisation de grilles combinées, University of British Columbia, Vancouver, V6Z 1Y6, Canada, a aidé ADCIS à développer la plus récente version du logiciel Stereology Analyzer.