<  Back to the Polytechnique Montréal portal

Automatic Axon and Myelin Segmentation of Microscopy Images and Morphometrics Extraction

Aldo Zaimi

Master's thesis (2018)

Open Access document in PolyPublie
[img]
Preview
Open Access to the full text of this document
Terms of Use: All rights reserved
Download (36MB)
Show abstract
Hide abstract

Abstract

In the nervous system, the transmission of electrical signals is ensured by the axons of thewhite matter. A large portion of these axons, also known as nerve fibers, is surrounded by amyelin sheath. The main role of the myelin sheath is to increase the transmission speed along theaxons, which is crucial for long distance communication. In demyelinating diseases such asmultiple sclerosis, the myelin sheath of the central nervous system is attacked by cells of theimmune system. Myelin degeneration caused by such disorders can manifest itself in differentways at the microstructural level: loss of myelin content, decrease in the number of myelinatedaxons, or even axonal damage.High resolution microscopy of myelinated tissues can provide in-depth microstructuralinformation about the tissue under study. Segmentation of the axon and myelin content of amicroscopy image is a necessary step in order to extract quantitative morphological informationfrom the tissue. Being able to extract morphometrics from the tissue would benefit severalapplications: document nerve morphometry across species or tissues, get a better understandingof the origins of demyelinating diseases, and validate novel magnetic resonance imagingbiomarkers sensitive to myelin content.The main objective of this research project is to design, implement and validate anautomatic axon and myelin segmentation framework for microscopy images and use it to extractrelevant morphological metrics. Several segmentation approaches exist in the literature forsimilar applications, but most of them are not fully automatic, are designed to work on a specificmicroscopy modality and/or are not made available to the research community. Twosegmentation frameworks were developed as part of this project: AxonSeg and AxonDeepSeg.The AxonSeg package (https://github.com/neuropoly/axonseg) uses a segmentationapproach based on standard image processing. The segmentation pipeline includes an extendedminimatransform, a discriminant analysis model based on shape and intensity features, an edgedetection algorithm, and a double active contours step. The segmentation output is used tocompute morphological metrics. Validation of the framework was performed on optical, electron and CARS microscopy.The AxonDeepSeg package (https://github.com/neuropoly/axondeepseg) uses asegmentation approach based on convolutional neural networks. A fully convolutional networkarchitecture was designed for the semantic 3-class segmentation of myelinated axons. A scanningelectron microscopy (SEM) model trained on rat spinal cord samples and a transmission electronmicroscopy (TEM) model trained on mice corpus callosum samples are presented. Both modelspresented high pixel-wise accuracy on test datasets (85% on rat SEM, 81% on human SEM, 95%on mice TEM and 84% on macaque TEM). We show that AxonDeepSeg models are robust tonoise, blurring and intensity changes. AxonDeepSeg was used to segment a full rat spinal cordslice, and morphological metrics extracted from white matter tracks correlated well with theliterature. The AxonDeepSeg framework presented a higher segmentation accuracy whencompared to AxonSeg. Both AxonSeg and AxonDeepSeg are open source (MIT license) and thusfreely available for use by the research community.Future iterations are planned to improve and extend this work. Training of new models forother microscopy modalities, training on larger datasets to improve generalization androbustness, and exploration of novel deep learning architectures are some of the short-termobjectives. Moreover, the current segmentation models have only been tested on healthy tissues.Another important short-term objective would be to assess the performance of these models ondemyelinated samples.

Résumé

Dans le système nerveux, la transmission des signaux électriques se fait parl'intermédiaire des axones de la matière blanche. La plupart de ces axones, aussi connus sous lenom de fibres nerveuses, sont entourés par la gaine de myéline. Le rôle principal de la gaine demyéline est d'accroître la vitesse de transmission du signal nerveux le long de l'axone, unélément crucial pour la communication sur de longues distances. Lors de pathologiesdémyélinisantes comme la sclérose en plaques, la gaine de myéline des axones du systèmenerveux central est attaquée par des cellules du système immunitaire. Ceci peut conduire à ladégénérescence de la myéline, qui peut se manifester de diverses façons : une perte du contenu enmyéline, une diminution du nombre d'axones myélinisés ou même des dommages axonaux.La microscopie à haute résolution des tissus myélinisés offre l'avantage de pouvoirimager la microstructure du tissu au niveau cellulaire. L'extraction d'information quantitative surla morphologie passe par la segmentation des axones et gaines de myélines composant le tissu surles images microscopiques acquises. L'extraction de métriques morphologiques des fibresnerveuses à partir d'image microscopiques pourrait contribuer à plusieurs applicationsintéressantes : documentation de la morphométrie sur différentes espèces et tissus, étude desorigines et effets des maladies démyélinisantes, et validation de nouveaux biomarqueursd'Imagerie par Résonance Magnétique sensibles au contenu en myéline dans le tissu.L'objectif principal de ce projet de recherche est de concevoir, implémenter et valider unframework de segmentation automatique d'axones et de gaines de myéline sur des imagesmicroscopiques et d'en extraire des morphométriques pertinentes. Plusieurs approches desegmentation ont été explorées dans la littérature, mais la plupart ne sont pas totalementautomatiques, sont conçues pour une modalité de microscopie spécifique, ou bien leurimplémentation n'est pas publiquement disponible pour la communauté scientifique. Deuxframeworks de segmentation ont été développés dans le cadre de ce projet : AxonSeg etAxonDeepSeg.Le framework AxonSeg (https://github.com/neuropoly/axonseg) se base sur une approchede traitement d'image classique pour la segmentation. Le pipeline de segmentation inclut unetransformée de type extended-minima, un modèle d'analyse discriminante combinant des featuresde forme et d'intensité, un algorithme de détection de contours et un double algorithme de contours actifs. Le résultat de la segmentation est utilisé pour l'extraction de morphométriques.La validation du framework a été réalisée sur des échantillons de microscopie optique,microscopie électronique et microscopie Raman stimulée (CARS).Le framework AxonDeepSeg (https://github.com/neuropoly/axondeepseg) utilise plutôtune approche basée sur des réseaux neuronaux convolutifs. Un réseau convolutif a été conçu pourla segmentation sémantique des axones myélinisés. Un modèle de microscopie électronique àbalayage (MEB) a été entraîné sur des échantillons de moelle épinière de rat et un modèle demicroscopie électronique à transmission (MET) a été entraîné sur des échantillons de corpscalleux de souris. Les deux modèles ont démontré une haute précision pixel par pixel sur leséchantillons test (85% sur le MEB de rat, 81% sur le MEB d'humain, 95% sur le MET de souris,84% sur le MET de macaque). On démontre également que les modèles entrainés sont robustesaux ajouts de bruit, au flou et aux changements d'intensité. Le modèle MEB de AxonDeepSeg aété utilisé pour segmenter une coupe transversale complète de moelle épinière de rat et lesmorphométriques extraites à partir des tracts de la matière blanche correspondaient bien auxtendances rapportées dans la littérature. AxonDeepSeg a démontré une plus grande précision auniveau de la segmentation lorsque comparé à AxonSeg. Les deux outils logiciels développés sontopen source (licence MIT) et donc à disposition de la communauté scientifique.Des futures itérations sont prévues afin d'améliorer et d'étendre ce travail. Les objectifs àcourt terme sont l'entraînement de nouveaux modèles pour d'autres modalités de microscopie,l'entraînement sur des datasets plus larges afin d'améliorer la généralisation et la robustesse desmodèles, et l'exploration de nouvelles architectures de réseaux neuronaux. De plus, les modèlesde segmentations développés jusqu'à maintenant ont seulement été testés sur des images de tissussains. Un développement futur important serait de tester la performance de ces modèles sur des échantillons démyélinisés.
Department: Institut de génie biomédical
Program: Génie biomédical
Academic/Research Directors: Julien Cohen-Adad
PolyPublie URL: https://publications.polymtl.ca/3089/
Institution: École Polytechnique de Montréal
Date Deposited: 26 Jun 2018 11:51
Last Modified: 11 Nov 2022 04:20
Cite in APA 7: Zaimi, A. (2018). Automatic Axon and Myelin Segmentation of Microscopy Images and Morphometrics Extraction [Master's thesis, École Polytechnique de Montréal]. PolyPublie. https://publications.polymtl.ca/3089/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item