Применение программы анализа изображений для определения формы просветов биологических объектов на примере желез простаты человека

Цель работы – оценить информативность применения компьютерных программ анализа изображений для определения формы просветов биологических объектов на примере возрастных изменений желез простаты человека в разных структурных дольках органа.

Материал и методы. Исследовано 37 простат мужчин в возрасте от 17 до 75 лет, с применением программы открытого доступа «ImageFiji». Определение формы просветов концевых отделов желез проводилось на гистологических препаратах, окрашенных гематоксилином и эозином, фукселином по Hart и азокармином по Heidenhain, в переднемедиальной, верхнемедиальной, нижнезадней, нижнебоковой дольках правой и левой половин простаты. Для описания формы просветов концевых отделов желез простаты использовали диаметр Фере и «характеристики формы», включающие следующие факторы формы: округлость, индекс закругленности, индекс компактности. Статистическая обработка полученных данных выполнена при помощи пакетов прикладных статистических программ «Microsoft Excel’2007» и Statistica 10».

Результаты. Обнаружили, что форма просветов концевых отделов желез в каждой из структурных долек простаты с возрастом изменяется не одинаково.

Заключение. Предложенный способ количественного определения изменений формы просветов биологических объектов, основанный на использовании возможностей компьютерной программы анализа изображений ImageFiji, информативен при оценке их изменений. Полученные результаты способствуют расширению имеющихся в настоящее время научных представлений о возрастных преобразованиях желез простаты и могут использоваться как при исследовании возрастных, половых, индивидуальных особенностей строения структур человека и животных, так и на этапе предварительной оценки наличия патологических изменений.

1. Автандилов Г.Г. Медицинская морфометрия: руководство. М.: Медицина; 1990. 384

2. Будник А.Ф., Урусбамбетов А.Х., Богатырева О.Е., Нерсесян Н.А. Паренхима простаты в возрастном аспекте. Медицинский вестник Северного Кавказа. 2011; 23(3): 70–73

3. Иванова К.А., Комышев Е.Г., Генаев М.А. и др. Оценка количественных характеристик клубнеобразования дикого картофеля на основе анализа изображений клубней с использованием компьютерного приложения SeedСounter. Вавиловский журнал генетики и селекции. 2019; 23(5): 519–26 doi: 10.18699/VJ19.35-o

4. Петько И.А., Усович А.К. Морфометрические показатели концевых отделов желез простаты на протяжении пренатального периода и у новорожденных мальчиков. Морфология. 2019; 155(1): 24–8

5. Cervantes E, Martín JJ, Saadaoui E. Updated methods for seed shape analysis. Scientifica. 2016; 1–10.

6. Epstein JI, Allsbrook WC, Amin MB, Egevad LL. The international society of urological pathology (ISUP) consensus conference on Gleason grading of prostatic carcinoma. American Journal of Surgical Pathology.2005; 29: 1228–42.

7. Gerardin E, Chételat G, Chupin M, Cuingnet R, Desgranges B, Kim H-S, et al. Multidimensional classification of hippocampal shape features discriminates Alzheimer’s disease and mild cognitive impairment from normal aging. NeuroImage. 2009 Oct;47(4):1476–86

8. Gorczowski K, Styner M, Jeong JY, et al. Multiobject analysis of volume, pose, and shape using statistical discrimination. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2010; 32: 652–61.

9. Looi JC, Macfarlane MD, Walterfang M, et al. Morphometric analysis of subcortical structures in progressive supranuclear palsy: In vivo evidence of neostriatal and mesencephalic atrophy. Psychiatry Research: Neuroimaging. 2011; 194: 163– 75.

10. McNeal J.E. The zonal anatomy of the prostate. Prostate. 1981; 2(l): 35–49.

11. Pachauri D., Hinrichs C., Chung M., et al. Topologybased kernels with application to inference problems in alzheimer’s disease. IEEE Transactions on Medical Imaging.2011; 30: 1760–70.

12. Pet’ko IA, Usovich AK. Formation and Transformation of the Human Prostate Gland in Prenatal and Neonatal Periods of Development. Russian Journal of Developmental Biology. 2019; 50(2): 90–4.

13. Rangayyan RM, Nguyen TM. Fractal analysis of contours of breast masses in mammograms. Journal of Digital Imaging. 2007; 20: 223–37.

14. Schindelin J, Arganda-Carreras I, Frise E, et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 2012; 9(7): 676–82.

15. Shah RB, Zhou M. Anatomy and Normal Histology of the Prostate Pertinent to Biopsy Practice. Prostate Biopsy Interpretation: An Illustrated Guide. 2011; 1–10. doi:10.1007/978-3-642-21369-4_1.

16. Smith AD, Szatmari M, Esiri MM, et al. Rapidly progressing atrophy of medial temporal lobe in Alzheimer’s disease. Lancet. 1994; 343: 829–30.

17. Sparks R, Madabhushi A. Explicit shape descriptors: Novel morphologic features for histopathology classification. Medical Image Analysis.2013; 17(8): 997–1009.

18. Tabesh A, Teverovskiy M, Pang H, et al. Multifeature prostate cancer diagnosis and Gleason grading of histological images. IEEE Transaction on Medical Imaging. 2007; 26: 1366–1378.