Dendritic spine segmentation using active contour with shape prior

Abstract

Dendritik omurga analizi Sinirbilimi'nin popüler konularından birisidir. Bunun nedeni bu yapıların morfolojik ve istatiksel özelliklerinin öğrenme sürecinde etkili olması ve bu özelliklerin incelenmesinin Alzheimer gibi hastalıkların sebeplerini bulmada yardımcı olabilecek olmasıdır. Bu konuya olan yoğun ilgiye ve görüntüleme teknolojilerindeki ilerlemelere bağlı olarak önemli miktarda dendritik omurga resmi birikmiştir ve bunların hepsi uzmanlar tarafından görsel olarak analiz edilmeyi beklemektedir. Ancak bu resimlerin görsel analizi hem zor hem de vakit alan bir işlemdir. Bu nedenle otomatik araçlara gerek duyulmaktadır. Bu araçlar dendritik omurgaları tespit etmeli, uygun bir şekilde bölütlemeli ve hacim, uzunluk gibi istatiksel özelliklerini ölçmelidir.Bu tezde çalışmaları devam etmekte olan otomatik analiz aracının, otomatik bölütleme kısmına odaklanılmıştır ve dendritik omurganın doğru bir şekilde bölütlenmesi için şekil bilgisi kullanan aktif çevrit metodunun kullanılması önerilmiştir. Bu tezde bu metodun MATLAB ortamında gerçeklenmesi kullanılmıştır. Sonuçlar, global eşikleme ve aktif çevrit metodlarının sonuçlarıyla karşılaştırılmıştır.Bölütleme sonuçları hem görsel olarak hem de Dice skoru üzerinden sayısal bir şekilde verilmiştir. Bu sonuçlara göre şekil bilgisi kullanan aktif çevrit metodu, global eşikleme ve aktif çevrit metodlarına göre daha gerçekçi sonuçlar vermektedir. Ayrıca bu yöntemi gri tonlamış resimler yerine Otsu eşikleme uygulanmış resimlere uygulamak metodun doğruluğunu ve sağlamlığını arttırmaktadır.

Dendritic spine analysis is a popular topic in Neuroscience, since the morphological and statistical (e.g. quantity and density) properties of dendritic spines play a role in the learning process, and can be used for understanding the reasons of mental disorders like Alzheimer?s. Advancements in the related imaging technology has lead to vast amount of dendritic spine images that need to be analyzed and interpreted by the experts. But manual analysis of these images is a difficult and time-consuming task. Therefore, automated tools are required, which should detect, segment, and quantify statistical properties of dendritic spines, such as length and volume.To this end, a collaborative effort on creating a software tool for automated analysis of dendritic spines is being carried out at Bahçeşehir University. This thesis is focused on the automated segmentation part of this collaborative effort. For accurate segmentation of dendritic spines, application of the Active Contour with Shape Prior method is proposed. Performance of the proposed method is evaluated on an expert-annotated dataset, and compared with the accuracy of two other methods; Global Thresholding and Active Contour.Results are presented both visually and quantitatively using the Dice overlap measure. Results show that applying the Active Contour with Shape Prior method leads to more accurate segmentations than Global Thresholding and Active Contour methods. Furthermore, accuracy and robustness of the proposed method is increased if it is applied on Otsu thresholded images instead of the original grayscale versions.