| Zelltypenklassifikation im Kontext der Gewebsarchitektur ist Grundlage der diagnostischen Pathologie, Entscheidungen hinsichtlich umfassender Untersuchungen beruhen auf einer validen Interpretation der Gewebsmorphologie. Speziell die visuelle Untersuchungen von Knochenmarkszellen in histologischen Bildern sind zeitaufwendig und kann zu einer markanten Intra- und Interobservervariabilität führen.
In der vorliegenden Dissertation werden Methoden basierend auf überwachtem maschinellen Lernen zur automatischen Lokalisation und Klassifikation von Knochenmarkszellen in verschiedenen Reifegraden vorgestellt und evaluiert. Diese Methoden können direkt auf Bilddaten ohne vorangehende Segmentierung oder manuelle Merkmalsextraktion angewendet werden. Eine neue Methode namens Proximity Score Regression wird gezeigt, deren Implementierung basierend auf dem Random Forest (RF) Algorithmus sehr einfach möglich ist. Für jede Bildposition wird eine nichtlineare, monotone Funktion der Distanz zum nächstgelegenen Zellkernmittelpunkt vorhergesagt, wobei die Positionen lokaler Maxima den Lokalisationen der Zellkerne entsprechen. Untersuchungen auf fünf anspruchsvollen Bilddatenbanken zeigen, dass dieser Ansatz hinsichtlich räumlicher Lokalisierung und Detektionssgenauigkeit verlässlicher und schneller funktioniert als bisherige State-of-the-Art Methoden. Zur Klassifikation der Reifegrade wird ein neues rotationsinvariantes Klassifikationsschema für Echo State Networks (ESNs) vorgestellt. Bilder einzelner Zellen werden durch Rotation in Zeitsignale transformiert. Es wird gezeigt, wie ESNs aufgrund ihres inherenten Kurzzeitgedächtnisses Einzelzellen robust, und unabhängig von deren Orientierung, erkennen können. Ein Vergleich mit einem RF Klassifikator wird durchgeführt und diskutiert.
Diese Arbeit zeigt, dass überwachtes maschinelles Lernen den Einsatz verlässlicher, präziser Bildanalysesysteme ermöglicht, deren Fehler abschätzbar ist. Motiviert durch die Anforderung dieser Methoden an valide Beispieldaten wurde eine Web-Applikation entwickelt, die eine Durchführung kontrollierter Interobserverstudien ermöglicht. Die vielversprechenden Resultate zeigen Möglichkeiten für computergestützte Diagnoseprozesse auf. In zukünftiger Forschungsarbeit muss die Kongruenz zwischen mehreren Pathologen und den automatischen Analysemethoden studiert werden. |
