Tau Protein Discrete Aggregates in Alzheimer's Disease: Neuritic Plaques and Tangles Detection and Segmentation using Computational Histopathology
Agrégats discrets de protéine Tau dans la maladie d'Alzheimer : détection et segmentation des plaques neuritiques et des enchevêtrements neurofibrillaires à l'aide de l'histopathologie computationnelle
Résumé
Tau proteins in the gray matter are widely known to be a part of Alzheimer's disease symptoms. They can aggregate in three different structures within the brain: neurites, tangles, and neuritic plaques. The morphology and spatial disposition of these three aggregates are hypothesised to be correlated to the advancement of the disease. In order to establish a behavioural disease model related to the Tau proteins aggregates, it is necessary to develop algorithms to detect and segment them automatically. We present a 4-folded pipeline aiming to perform with clinically operational results. This pipeline is composed of a non-linear colour normalisation, a CNN-based image classifier, an Unet-based image segmentation stage, and a morphological analysis of the segmented objects. The tangle detection and segmentation algorithms improve state-of-the-art performances (75.8% and 91.1% F1-score, respectively), as well as for neuritic plaques detection and segmentation (81.3% and 78.2% F1-score, respectively). These results constitute an initial baseline in an area where no prior results exist, as far as we know. Even if overall, the results need to be robustified to fully meet biologists' expectations, the pipeline is complete and based on a promising state-of-the-art architecture. Therefore, we consider this study a handy baseline of an impactful extension to support new advances in Alzheimer's disease. Moreover, building a fully operational pipeline is crucial to create a 3D histology map for a deeper understanding of clinicopathological associations in Alzheimer's disease and the histology-based evidence of disease stratification among different sub-types.
Les protéines tau dans la matière grise sont largement connues pour faire partie des symptômes de la maladie d'Alzheimer. Ils peuvent s'agréger dans trois structures différentes dans le cerveau : les neurites, les enchevêtrements neurofibrillaires et les plaques neuritiques. La morphologie et la disposition spatiale de ces trois agrégats sont supposées être corrélées à l'avancement de la maladie. Afin d'établir un modèle de maladie comportementale lié aux agrégats de protéines Tau, il est nécessaire de développer des algorithmes pour les détecter et les segmenter automatiquement. Nous présentons un système d'analyse à 4 volets visant à obtenir des résultats cliniquement opérationnels. Ce système est composé d'une normalisation des couleurs non linéaire, d'un classificateur d'images basé sur CNN, d'une étape de segmentation d'images basée sur Unet et d'une analyse morphologique des objets segmentés. Les algorithmes de détection et de segmentation de l'enchevêtrement améliorent les performances de pointe (75,8 % et 91,1 % F1-score, respectivement), ainsi que pour la détection et la segmentation des plaques séniles (81,3 % et 78,2 % F1-score, respectivement). Ces résultats constituent une première référence dans un domaine où - à notre connaissance - aucun résultat antérieur n'existe encore. Même si globalement, les résultats doivent être consolidés pour répondre pleinement aux attentes des biologistes, le système d'analyse est complet et repose sur une architecture de pointe prometteuse. Par conséquent, nous considérons cette étude comme une référence pratique d'une extension percutante pour soutenir de nouvelles avancées dans la maladie d'Alzheimer. De plus, la construction d'un système pleinement opérationnel est cruciale pour créer une carte histologique en 3D afin de mieux comprendre les associations clinicopathologiques dans la maladie d'Alzheimer et les preuves histologiques de la stratification de la maladie entre différents sous-types.
Origine : Fichiers produits par l'(les) auteur(s)