Cluster-First Labelling: An Automated Pipeline for Segmentation and Morphological Clustering in Histology Whole Slide Images

Die vorgestellte Studie stellt eine cloud-native, automatisierte Pipeline vor, die durch einen „Cluster-First"-Ansatz die manuelle Annotation von histologischen Ganzschnittbildern drastisch reduziert, indem morphologisch ähnliche Strukturen gruppiert und repräsentative Cluster statt einzelner Objekte beschriftet werden, was zu einer Übereinstimmung von 96,8 % mit menschlichen Labels führt.

Das Wesentliche

Stellen Sie sich vor, Sie müssten ein riesiges, winziges Mosaik aus 15.000 einzelnen Kacheln sortieren. Jede Kachel ist ein winziger Zellkern oder eine Zelle aus einem Gewebestück unter dem Mikroskop. Wenn Sie das manuell machen müssten, würden Sie Wochen brauchen, um jede einzelne Kachel zu betrachten, zu beschriften und in den richtigen Stapel zu legen. Das ist genau das Problem, das Pathologen und Forscher bei der Analyse von Gewebeproben haben.

Dieser Paper stellt eine automatische Lösung vor, die dieses Problem wie ein cleverer Sortierroboter löst. Hier ist die Erklärung in einfachen Worten, mit ein paar anschaulichen Vergleichen:

1. Das Problem: Der Berg an Arbeit

Früher mussten Menschen jeden einzelnen "Kieselstein" (die Zellen) auf einem riesigen Bild (dem Gewebeschnitt) einzeln anfassen und benennen. Das ist so, als würde man versuchen, einen ganzen Strand voller Sandkörner zu zählen und zu sortieren – unmöglich für einen Menschen in kurzer Zeit.

2. Die Lösung: "Zuerst gruppieren, dann beschriften"

Die Forscher haben einen neuen Weg gefunden, den sie "Cluster-First" (Zuerst die Gruppen) nennen. Statt jeden Stein einzeln zu bearbeiten, machen sie Folgendes:

• Der Scanner (Das Auge): Ein Computerprogramm schaut sich das riesige Bild an und schneidet es in kleine, handliche Stücke (wie ein Puzzle). Es filtert dabei sofort die leeren oder unscharfen Teile heraus, damit es nicht mit Müll arbeitet.
• Der Detektiv (Die Zellen finden): Ein KI-Modell namens Cellpose-SAM sucht nach allen möglichen Formen, die wie Zellen aussehen. Es ist wie ein sehr aufmerksamer Detektiv, der nicht nur einzelne Zellen findet, sondern auch Zellhaufen oder Kerne. Es macht keine Unterscheidung, es findet einfach alles, was "zellartig" aussieht.
• Der Porträtist (Das Merkmal): Für jede gefundene Zelle erstellt die KI ein digitales "Porträt" (eine Art ID-Karte mit tausenden Merkmalen).
• Der Sortiermeister (Die Gruppierung): Hier kommt der magische Teil. Die KI nutzt einen Algorithmus (DBSCAN), der wie ein sehr kluger Tischnachbar funktioniert. Er sagt: "Hey, diese 500 Zellen sehen sich alle so ähnlich aus, dass sie in denselben Raum passen." Er wirft sie also in einen Haufen. Andere Zellen, die anders aussehen, landen in einem anderen Haufen.
  • Die Analogie: Stellen Sie sich vor, Sie haben einen Haufen aus 15.000 verschiedenen Früchten. Statt jede Frucht einzeln zu benennen, werfen Sie alle Äpfel in einen Korb, alle Birnen in einen anderen und alle Bananen in einen dritten. Plötzlich haben Sie nur noch 3 Körbe statt 15.000 Früchte.

3. Die menschliche Aufgabe: Nur noch die Gruppen prüfen

Jetzt kommt der Mensch ins Spiel, aber er muss nicht mehr 15.000 Mal klicken. Er sieht nur die Körbe (die Cluster).

• Er schaut sich einen Korb an und sagt: "Ah, das sind alles Leberzellen."
• Er sagt: "Und dieser Korb hier sind nur Zellkerne."
• Er sagt: "Und dieser Korb hier ist Müll (z.B. unscharfe Flecken), den wir wegwerfen."

Sobald er einen Korb benennt, wird diese Beschriftung automatisch auf alle Früchte in diesem Korb übertragen. Die Arbeit reduziert sich von 15.000 Schritten auf vielleicht 20 Schritte. Das ist eine Ersparnis von fast dem 600-fachen!

4. Was haben sie herausgefunden?

Die Forscher haben dieses System an Proben von Menschen, Ratten und Kaninchen getestet.

• Das Ergebnis: In 7 von 13 verschiedenen Gewebearten (wie Lunge, Prostata oder Eierstock) hat die KI die Gruppen perfekt gebildet. In allen Fällen zusammen lag die Übereinstimmung zwischen der KI-Gruppierung und dem menschlichen Urteil bei 96,8 %.
• Wo es hakt: Bei sehr dichten Geweben wie Knochen oder Muskeln war es etwas schwieriger. Das liegt daran, dass dort die Zellen so eng zusammengepackt sind, dass die KI manchmal Schwierigkeiten hat, sie zu trennen – ähnlich wie bei einem Haufen durcheinandergeratener Spaghetti, bei dem man schwer erkennt, wo eine Nudel aufhört und die nächste beginnt.

5. Warum ist das wichtig?

Dieses System ist wie ein Turbo für die Medizin.

• Es ist kostenlos und offen: Der Code ist für jeden verfügbar.
• Es ist schnell: Was früher Tage dauerte, geht jetzt in Minuten.
• Es ist flexibel: Es funktioniert bei verschiedenen Tierarten und Gewebearten ohne neue Einstellungen.

Fazit:
Statt jeden einzelnen Stein im Mosaik zu betrachten, baut die KI erst die Stapel und lässt den Menschen nur noch die Stapel beschriften. Das macht die Analyse von Gewebeproben so schnell und einfach, dass sie endlich im großen Maßstab für die Ausbildung und Forschung genutzt werden kann.

Technische Zusammenfassung

Problemstellung

Die manuelle Annotation von Gewebekomponenten in histologischen Ganzschliffbildern (Whole Slide Images, WSIs) ist extrem arbeitsintensiv und kostspielig. Ein einzelnes WSI kann bei 40-facher Vergrößerung über 100.000 × 100.000 Pixel umfassen und Zehntausende von Strukturen (Zellen, Kerne, Gewebekomponenten) enthalten. Der traditionelle Ansatz erfordert, dass Experten die Grenzen jedes einzelnen Objekts nachzeichnen und klassifizieren, was Tage an Expertenzeit pro Slide beansprucht. Bestehende Ansätze wie manuelle Annotation oder reine Tile-Level-Analysen (z. B. CLAM) lösen dieses Skalierungsproblem auf Zellebene nicht effizient.

Methodik: Die „Cluster-First"-Pipeline

Die Autoren stellen eine cloud-native, End-to-End-Pipeline vor, die den Annotationsprozess durch ein „Cluster-First"-Paradigma automatisiert. Statt einzelne Zellen zu labeln, werden morphologisch ähnliche Objekte gruppiert, und ein menschlicher Annotator labelt nur die repräsentativen Cluster.

Die Pipeline besteht aus folgenden Hauptstufen (orchestriert durch Azure Machine Learning):

1. Tiling und Qualitätsfilterung:

   • Roh-WSIs (.ndpi) werden in nicht-überlappende Kacheln von 512 × 512 Pixeln unterteilt.
   • Eine Qualitätsfilterung entfernt uninformative Kacheln (z. B. Hintergrund, unscharfe Bereiche) basierend auf sechs Metriken (Kanten-Dichte, Helligkeits-/Dunkelheitsverhältnis, Intensitäts-Varianz, Laplace-Varianz für Fokus, Farbvarianz).

2. Segmentierung (Cellpose-SAM):

   • Zur Detektion von zellähnlichen Strukturen wird Cellpose-SAM verwendet. Dies kombiniert die Gradient-Flow-Formulierung von Cellpose mit dem Segment-Anything-Encoder (SAM).
   • Das Modell segmentiert ohne Feinabstimmung (Fine-Tuning) verschiedene Objekte: einzelne Zellen, Kerne, dicht gepackte Zellgruppen und andere Gewebekomponenten.
   • Es werden Instanzmasken, Bounding-Boxen und Polygon-Grenzen extrahiert.

3. Neuronale Einbettung und Dimensionsreduktion:

   • Jedes segmentierte Objekt wird aus seiner Kachel geschnitten und durch einen ResNet-50-Backbone (auf ImageNet vortrainiert) geleitet, um einen 2.048-dimensionalen Feature-Vektor zu extrahieren.
   • UMAP (Uniform Manifold Approximation and Projection) reduziert die Dimensionalität auf 50 Dimensionen, wobei lokale und globale morphologische Strukturen erhalten bleiben.

4. Clustering (DBSCAN):

   • DBSCAN gruppiert die Objekte basierend auf ihrer morphologischen Ähnlichkeit, ohne dass eine vordefinierte Anzahl von Klassen benötigt wird.
   • Der Radius $\epsilon$ wird automatisch über den „Knie-Punkt" der k-nächsten-Nachbarn-Distanzkurve geschätzt; min_samples ist auf 5 gesetzt.
   • Objekte, die keine Dichtekriterien erfüllen, werden als Rauschen (Cluster -1) markiert.

5. Human-in-the-Loop Validierung:

   • Eine begleitende Web-Anwendung (FastAPI-basiert) ermöglicht es Annotatoren, repräsentative Kacheln zu sehen und Labels den Clustern zuzuweisen.
   • Die Auswertung erfolgt über einen per-Kachel-Hungarian-Algorithmus, der die optimale 1-zu-1-Zuordnung zwischen den unüberwachten Cluster-IDs und den menschlichen Labels findet, um die Genauigkeit zu berechnen.

Wesentliche Beiträge

1. End-to-End Pipeline: Eine vollständig automatisierte, cloud-native Lösung, die von rohen WSI-Dateien zu Cluster-Zuweisungen führt, ohne manuelle Eingriffe während der Verarbeitung.
2. Skalierbare Architektur: Implementierung auf Azure ML mit Unterstützung für Multi-Node-Parallelität, die die Verarbeitung ganzer Slides auf GPU-Clustern ermöglicht.
3. Open-Source-Tooling: Bereitstellung einer Web-Anwendung zur menschlichen Validierung und aller Evaluierungscodes unter der MIT-Lizenz.
4. Neues Paradigma: Der Wechsel von $O(N)$ (Labeling pro Zelle) zu $O(K)$ (Labeling pro Cluster, wobei $K \ll N$), was den Aufwand um Größenordnungen reduziert (z. B. von 15.000 Objekten auf 25 Cluster).

Ergebnisse

Die Pipeline wurde an 3.696 Gewebekomponenten aus 13 verschiedenen Gewebetypen (menschlich, Ratte, Kaninchen) evaluiert.

• Gesamtgenauigkeit: Die gewichtete Cluster-Label-Übereinstimmung (Hungarian-aligned accuracy) beträgt 96,8 %.
• Perfekte Übereinstimmung: 7 von 13 Gewebetypen (z. B. Lunge, Prostata, Gebärmutterhals, Eierstock) erreichten eine Genauigkeit von 100 %.
• Herausfordernde Fälle: Gewebe mit dichten, morphologisch variablen Strukturen wie kompakter Knochen (84,0 %) und Skelettmuskel (84,0 %) zeigten geringere Genauigkeiten. Dies liegt daran, dass DBSCAN bei sehr wenigen Zellen pro Kachel (Knochen) oder bei räumlich kontextabhängigen Unterscheidungen (Muskel) an Grenzen stößt.
• Effizienz: Der Ansatz reduziert den Annotationsaufwand drastisch, da Annotatoren nur Cluster-Vertreter prüfen müssen, anstatt Tausende von Einzelobjekten.

Bedeutung und Ausblick

Das Paper demonstriert, dass ein unüberwachter Clustering-Ansatz in Kombination mit modernen Segmentierungs- und Embedding-Modellen (Cellpose-SAM, ResNet-50) eine praktikable Alternative zur manuellen Zellannotation darstellt.

• Generalisierung: Die Verwendung eines einzigen festen Konfigurationsparameters für diverse Gewebetypen und Spezies zeigt die Robustheit des Ansatzes.
• Praxisrelevanz: Die Lösung macht die groß angelegte Annotation von histologischen Daten für Bildungs- und Forschungszwecke skalierbar.
• Zukünftige Arbeiten: Die Autoren schlagen vor, räumlichen Kontext in die Analyse zu integrieren und gewebespezifische Parameter für schwierige Gewebetypen (wie Knochen) zu entwickeln, um die Genauigkeit weiter zu steigern.

Die gesamte Software, einschließlich der Pipeline und der Evaluierungsskripte, ist als Open Source verfügbar, was die Reproduzierbarkeit und Weiterentwicklung in der Gemeinschaft fördert.