1. Imagens por microscopia óptica não linear para análises de biópsias de câncer canino
- Author
-
Luana Aparecida dos Reis, Ana Maria de Paula, Denise Maria Zezell, Jaqueline dos Santos Soares, Leandro Malard Moreira, and Sebastião José Nascimento de Pádua
- Subjects
Análise de imagem ,LDA ,Análise de imagens ,Câncer de mama ,Geração de segundo harmônico ,Óptica não-linear ,Fibras de colágeno ,Biofísica ,Estatística - Abstract
CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior Segundo dados do Instituto Nacional do Câncer (INCA) o câncer de mama é um tipo de câncer muito comum entre as mulheres, sendo responsável por cerca de 29% dos casos a cada ano. A forma padrão do diagnóstico é feita por meio da análise visual do tecido coletado, que passa por processos de corte e coloração que podem danificar a amostra, tornando-o muitas vezes demorado e dependente da experiência do patologista. Assim, o desenvolvimento de técnicas que possibilitem uma análise quantitativa dos tecidos de forma a obter novas ferramentas de diagnóstico com uma maior agilidade na análise dos dados seria de grande ajuda aos patologistas e benéfico para os pacientes. Neste trabalho, utilizamos as técnicas de microscopia óptica não linear de Geração de Segundo Harmônico (SHG) e de Fluorescência por Excitação de Dois Fótons (TPEF) com laser pulsado para obter imagens em biópsias de neoplasias mamárias em cadela. As imagens de SHG permitem informações da estrutura do colágeno na matriz extracelular que, juntamente com a as imagens de TPEF das regiões celulares das biópsias, formam uma base para uma análise de imagem abrangente. Para as análises dessas imagens, um software, que utiliza ferramentas já conhecidas em análises desse tipo de imagem, como o tensor estrutural e a extração de redes de fibras (FIRE), foi desenvolvido a fim de automatizar o processo de análise. O software permitiu obter a separação de regiões fibrosas e celulares das imagens SHG e TPEF. Com essa segmentação foi possível a extração de redes de fibras de colágeno e vários parâmetros específicos para cada região (fibras ou células) formando um conjunto de 29 métricas. Com esse conjunto de métricas conseguimos estudar as alterações causadas nos tecidos devido aos diferentes tipos de neoplasias mamárias, como os tumores mistos benignos, carcinoma em tumor misto, carcinoma ductal In Situ, carcinossarcoma, carcinoma micropapilar e carcinoma sólido em comparação com a mama normal, além da análise das alterações sofridas durante a progressão tumoral. Essas alterações foram analisadas por meio de métodos estatísticos análise de variância (MANOVA e ANOVA), para discriminar quais foram as significâncias estatísticas. Além disso, uma análise por discriminante linear (LDA) incluindo todas as métricas extraídas permitiu separar e classificar todos os tipos histológicos estudados. Obtivemos uma sensibilidade de cerca de 90% na classificação entre tecido saudável e canceroso e uma sensibilidade de cerca de 40-60% para comparação entre a mama normal e os subtipos histológicos estudados. According to data from the Institute of Cancer (INCA), breast cancer is a very common type of cancer among women, accounting for about 29% of cases each year. The standard diagnosis is given by visual analysis of the collected tissue, which undergoes cutting and coloring processes that can damage the sample, often making it slowly and dependent on the pathologist's experience. Thus, the development of techniques that enable a quantitative tissue analysis in order to obtain new diagnostic tools with greater agility in data analysis would be of great help to pathologists and beneficial to patients. In this work, we used the non-linear optical microscopy techniques of Second Harmonic Generation (SHG) and Two-Photon Excitation Fluorescence (TPEF) with pulsed laser to obtain images in biopsies of mammary neoplasms in female dogs. SHG images provide information of the collagen structure in the extracellular matrix which, that together with TPEF images of cell regions in the biopsies form a basis for comprehensive imaging analysis. For the image analysis, we developed a software, which uses tools already known for this type of image analysis, such as the structural tensor and the extraction of fiber networks (FIRE). The software was developed in order to automate the image analysis process. It allowed to obtain the separation of the fibrous and cellular regions in the SHG and TPEF images. With this segmentation it was possible to extract the collagen fiber networks and several specific parameters for each region (fibers or cells) forming a set of 29 metrics. With this set of metrics we were able to study the changes in the tissues caused by different types of breast cancer, such as benign mixed tumors, carcinoma in mixed tumor, ductal carcinoma In Situ, carcinosarcoma, micropapillar carcinoma and solid carcinoma in comparison to normal breast. The changes due to the tumor progression were analyzed using the statistical methods of variance (MANOVA and ANOVA). In addition, a linear discriminant analysis (LDA) including all extracted metrics allowed separating and classifying all histological types studied. We obtained a sensitivity of about 90% in the classification between healthy and cancerous tissue and a sensitivity of about 40-60% for comparison between normal breast and all the studied histological subtypes.
- Published
- 2021