Metoda automatycznego wyznaczania indeksu mitotycznego populacji komórek cebuli z wykorzystaniem drzewa decyzyjnego

Gocławski, J.; Sekulska-Nalewajko, J.; Anioł, P.

Artykuł - szczegóły

Tytuł artykułu

Metoda automatycznego wyznaczania indeksu mitotycznego populacji komórek cebuli z wykorzystaniem drzewa decyzyjnego

Autorzy

Gocławski J. , Sekulska-Nalewajko J. , Anioł P.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

The method of mitotic index automated evaluation for onion cells population using decision tree

Języki publikacji

Abstrakty

Wyznaczanie indeksu mitotycznego jest metodą oceny zdolności podziału komórek w populacjach poddawanych oddziaływaniom różnorodnych czynników hamujących lub ułatwiających ich wzrost. Zaproponowano algorytmy segmentacji obrazów komórek cebuli i elementów jąder komórkowych wyodrębniających się w procesie podziału mitotycznego. Następnie wydobyto zestaw cech geometrycznych, teksturalnych i topologicznych elementów jąder komórkowych odróżniających interfazę od faz mitozy. Zbudowano drzewo decyzyjne oparte na algorytmie C4.5. W celu oszacowania błędu klasyfikacji przeprowadzono próby 10-krotnych walidacji skrośnych. Dokonano także redukcji przestrzeni cech za pomocą metody PCA. Wyliczono wartość indeksu mitotycznego badanej populacji komórek cebuli, błąd estymatora tego indeksu i przeprowadzono porównanie ze średnim błędem klasyfikacji.

The evaluation of mitotic index is the method of estimation of cell division ability in cell populations treated by growth inhibitors or accelerators. The image processing algorithms for the segmentation of onion cells and their nuclei elements appearing in the process of mitosis is proposed. Then a set of geometrical, textural and topological features of nuclei elements was extracted, which can distinguish interphase from the stages of mitosis. A decision tree was built according to C4.5 method using the maximum of information gain ratio of the feature values. To evaluate classification error, a series of 10-fold crossvalidations were performed. The feature space was reduced by applying PCA method. The value of mitotic index for the tested onion cell population as well as the estimator index error was evaluated. The errors were compared with an average classification error.

Słowa kluczowe

mitoza indeks mitotyczny segmentacja komórki wydobywanie cech drzewo decyzyjne błąd klasyfikacji współczynnik wzmocnienia informacyjnego algorytm C4.5

mitosis mitotic index decision tree classification error information gain ratio C4.5 algorithm cell segmentation

Wydawca

Wydawnictwa AGH

Czasopismo

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

Rocznik

2008

Tom

T. 12, z. 3

Strony

641--656

Opis fizyczny

Bibliogr. 27 poz., tab., wykr., rys.

Twórcy

autor

Gocławski J.

Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Sekulska-Nalewajko J.

Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Anioł P.

Katedra Cytologii i Cytochemii Roślin, Uniwersytet Łódzki

Bibliografia

[1] Kovalchuk O., Kovalchuk I., Arkchipov A., Telyuk P., Hohn B., Kovalchuk L., The Allium cepa chromosome aberration test reliably measures genotoxicity of soils of inhabited areas in the Ukraine contaminated by the Chernobyl accident. Mutation Research, 415, 1998, 47-57.
[2] Johnson K.L., Nath. J., Pluth J.M., Tucker J. D., The distribution of chromosome damage, nonreciprocal translocations and clonal aberrations in lymphocytes from Chernobyl clean-up workers. Mutation Research, 439, 1999, 77-85.
[3] Staykova T.A., Ivanova E.N., Velcheva I.G., Cytogenetic effect of heavy-metal and cyanide in contaminated waters from the region of southwest Bulgaria. Journal of Cell and Molecular Biology, 4, 2005, 41-46.
[4] Santiago F.I., Cannen R.E.L., Mitotic index and chromosomal changes in Allium cepa as affected by an organophosphate pesticide, malathion. Philippine Journal of Science, Vol. 128 (1), 1999, 49-54.
[5] Cellscan (22.04.2008). http://www.imstarsa.com/ productsservices/ ondemandplatforms/cellscan/.
[6] Sundblad L., Geladi P., Dunberg A., Sundberg B., The use of image analysis and automation for measuring mitotic index in apical conifer meristems. Journal of Experimental Botany, 49 (327), 1749-1756.
[7] Goclawski J., Sekulska-Nalewajko J., Anioł P., The segmentation of meristematic Allium cell images and extraction of nuclei features for the purpose of mitotic index evaluation. Proceedings of the Wth International Conference of Young Scientists MEMSTECH' 2008, Lviv-Polyana 2008, 123-128.
[8] Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów. Kraków, Wydawnictwo Fundacji Postępu i Telekomunikacji 1997.
[9] Canny J., A Computational Approach to Edge Detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-8, No. 6, 1986, 679-698.
[10] The Mathworks, Statistics Toolbox User's Guide. www.maths.lth.se/matstat/staff/ krys/ Program/stats tb.pdf.
[11] Jolliffe I.T., Principal Component Analysis. 2nd Edition, Springer, 2002.
[12] Du Buf H., Bayer M., Automatic Diatom Identification. World Scientific Publishing 2002.
[13] Woźny A., Michejda J., Ratajczak L., Podstawy biologii komórki roślinnej. Poznań, Wydawnictwo UAM 2001.
[14] Malina W., Smiatacz M., Metody cyfrowego przetwarzania obrazów. Warszawa, Akademicka Oficyna Wydawnicza EXIT 2005.
[15] Fitzgibbon A., Pilu M., Fisher B., Direct Least Squares Fitting of Ellipses. IEEE Transactions on Pattern Analysis and Machine Intelligence, 21(5), May 1999, 476-480.
[16] Haralick R.M., Shanmugam K., Dinstein I., Textural features for Image Classification. IEEE Transactions on Systems, Man, and Cybernetics, Vol. 3, No. 6, 1973, 610-621.
[17] Albregtsen F., Statistical Texture Measures Computed from Cray Level Coocurence matrices. Image Processing Laboratory Department of Informatics University of Oslo, Nov. 1995.
[18] Tang X., Texture Information in Run-Length Matrices. IEEE Transactions on Image Processing, Vol. 7, No. 11, 1998, 1602-1609.
[19] Wei X., Gray Level Run Length Matrix Toolbox v1.O Software. Beijing Aeronautical Technology Research Center, 2007
[20] The Mathworks, Image Processing Toolbox User s Guide. http://www.mathworks. com/access/helpdesk/ help/ toolbox/images/.
[21] Ruggieri S., Efficient C4.5. IEEE Transactions on Knowledge and Data Engineering, Vol. 14, No. 2, 2002, 438-444.
[22] Quinlan J.R., C4.5: Programs for Machine Learning. San Mateo, California, Morgan Kaufman 1993.
[23] Quinlan J.R., Improved Use of Continuous Attributes in C4.5. Journal of Artifcial Intelligence Research, 4, 1996, 77-90.
[24] Esposito F., Malerba D., Semeraro G., Kay J., A comparative analysis of methods for pruning decision trees. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 19, Issue 5, 1997, 476-491.
[25] The Mathworks, Bioinformatics Toolbox. http://www.mathworks.com/access/ helpdesk/ help/to-olbox/bioinfo/.
[26] Stąpor K., Automatyczna klasyfikacja obiektów. Warszawa, Akademicka Oficyna Wydawnicza EXIT 2005.
[27] Pawłowski Z., Statystyka matematyczna. Warszawa, PWN 1980.

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-article-AGH1-0017-0040