乳 癌 免 疫 組 織 化 學 染 色 細 胞 分 割 與 判 讀 - 雌 激 素 受 體 與 黃 體 素 受 體 細 胞 染 色 柯 建 全 國 立 嘉 義 大 學 資 訊 工 程 系 kocc@mail.ncyu.edu.tw 論 文 摘 要 根 據 行 政 院 衛 生 署 的 統 計 資 料 顯 示, 九 十 五 年 國 人 的 主 要 死 因 第 一 名 為 惡 性 腫 瘤, 佔 所 有 死 因 的 8.%, 其 中 女 性 乳 癌 更 在 所 有 癌 症 死 亡 原 因 中 高 居 第 四 位 免 疫 組 織 化 學 染 色 法, 可 以 提 供 一 個 更 簡 單 更 可 靠 的 方 法 來 診 斷 與 治 療 評 估 與 預 後 分 析, 本 研 究 之 主 要 目 的 在 利 用 影 像 處 理 技 術 及 定 量 分 析, 針 對 免 疫 組 織 化 學 染 色 法 影 像 之 細 胞 核 部 分 進 行 分 析, 分 割 出 細 胞 核 和 有 反 應 的 細 胞 核 ( 呈 現 褐 色 ), 定 量 計 算 與 所 有 細 胞 核 的 比 例, 這 個 指 標 可 提 供 醫 師 是 否 要 採 取 荷 爾 蒙 治 療 或 基 因 藥 物 治 療 的 依 據 研 究 中 提 供 一 個 有 效 的 彩 色 影 像 分 割 方 法 處 理 利 用 免 疫 組 織 化 學 染 色 法 的 乳 房 抹 片 影 像, 過 程 中 直 接 擷 取 乳 房 切 片 的 CCD 成 像 進 行 分 析, 對 各 彩 色 平 面 做 分 閥 值 數 學 形 態 學 分 水 嶺 演 算 法 將 重 疊 的 細 胞 核 分 離, 最 後 利 用 Support Vector Machine (SVM) 客 觀 取 出 褐 色 有 反 應 的 部 份, 可 取 得 有 反 應 細 胞 核 與 所 有 細 胞 核 之 間 的 比 例, 以 提 供 病 理 科 醫 師 在 切 片 影 像 判 讀 上 之 輔 助 功 能 關 鍵 詞 : 免 疫 組 織 化 學 染 色 法 乳 癌 彩 色 影 像 分 割 分 割 重 疊 細 胞 Abstract According to the statistics of Taiwan s government, the major cause of death is malignant tumor in 006. About 8.% people die as a result of the disease. The breast cancer of women becomes the fourth leading cause of death. The immunohistochemically (IHC) stained cell provides a simple and reliable method for pathologist in clinical diagnosis treatment and prognosis. The major goal of this study is to detect and analyze IHC stained cells using image processing technique. The proposed system efficiently extracts nuclei of interest including positive stained nuclei and negative stained nuclei, and measures the stained ratio of the number of positive nuclei to all nuclei. The index may provide clues for pathologist whether adopt hormone treatment or gene treatment or not. A method for quantification of IHC stained cell images has been proposed by this paper. First, we utilize a color images segmentation approach for IHC stained cell nuclei image. Next, we performed Otsu s thresholding on individual RGB color planes in order to extract nuclei of interest. However, the threshold determined by Otsu s thresholding algorithm and 許 迪 程 國 立 嘉 義 大 學 資 訊 工 程 系 s095037@mail.ncyu.edu.tw staining inconsistent may cause some artifacts. The artifacts were successfully removed by using mathematical morphology. Second, the touching or overlapping cell nuclei were separated by the proposed erosion based watershed marker detection. This provides accurate quantification for IHC stained cell images. Third, Support Vector Machine (SVM) was performed to classify the detected nucleus as positive stained cell nuclei or negative cell nuclei. Finally, the stained ratio was measured by calculating the number of positive cell nuclei to all cell nuclei. This measurement provides pathologist a criterion for diagnosis and prognosis. Keywords: Immunohistochemically, Breast cancer, Color Image Segmentation, Segmentation of overlap cell 一 前 言. 緣 由 在 臨 床 上 乳 癌 最 重 要 的 臨 床 表 徵 是 可 由 觸 摸 查 覺 之 乳 房 腫 塊, 當 患 者 自 行 檢 查 發 現 異 常, 應 向 專 業 醫 師 請 教, 利 用 乳 房 超 音 波 乳 房 X 光 攝 影 粗 針 抽 吸 切 片 檢 查 或 細 針 抽 吸 抹 片 的 細 胞 學 檢 查 以 確 定 疾 病 之 嚴 重 性, 此 外 在 臨 床 上, 也 應 順 便 檢 查 是 否 有 腋 下 鎖 骨 上 及 頸 部 淋 巴 結 腫 瘤, 若 有 發 生 此 臨 床 徵 狀 時, 表 示 癌 細 胞 可 能 已 逐 漸 擴 散 免 疫 組 織 化 學 染 色 法 檢 查 是 評 估 腋 下 淋 巴 結 是 否 有 癌 症 轉 移 的 一 項 重 要 檢 查, 一 般 而 言, 在 早 期 乳 癌 只 要 用 傳 統 的 H&E 細 胞 染 色 法, 只 能 發 現 30~35% 的 陽 性 率, 若 能 再 加 上 免 疫 組 織 化 學 染 色 法, 可 以 有 能 力 再 增 加 4% 的 陽 性 準 確 率 目 前 國 內 乳 癌 細 胞 病 理 診 斷 乳 房 的 預 後 分 析 或 分 級, 皆 由 病 理 科 醫 師 使 用 肉 眼 直 接 透 過 顯 微 鏡 觀 察 抹 片 影 像, 經 由 觀 察 細 胞 核 的 各 種 特 徵, 再 輔 以 醫 師 本 身 對 病 理 學 相 關 之 知 識 經 驗 對 影 像 進 行 判 讀, 不 過 以 此 種 人 工 的 方 式 大 量 的 進 行 判 讀 工 作, 會 耗 費 相 當 的 人 力 及 時 間, 也 可 能 會 因 為 疲 勞 醫 生 本 身 經 驗 知 識 的 不 同 或 主 觀 意 見 等 因 素 造 成 判 別 結 果 不 一, 甚 至 導 致 誤 判 因 此 為 了 減 輕 病 理 科 醫 師 判 斷 的 誤 差, 我 們 在 免 疫 組 織 化 學 染 色 法 中, 利 用 數 位 影 像 處 理 技 術 分 割 出 細 胞 核, 分 析 細 胞 核 的 特 徵, 然 後 輔 以 細 胞 學 原 理 以 及 定 量 或 定 性 的 分 析 方 式, 提 供 預 後 分 析 所 需 相 關 資 訊 予 病 理 科 醫 師, 以 期 能 達 到 輔 助 診 斷 的 功 用, 並 增 加 診 斷 的 正 確 率 008 Conference on Information Technology and Applications in Outlying Islands -89-
. 目 的 在 免 疫 組 織 化 學 染 色 法 在 一 般 細 胞 抹 片 染 色 後, 經 過 四 百 倍 放 大 處 理, 原 始 影 像 會 如 圖 ( 一 ) 所 示, 包 含 : 乳 房 細 胞 間 質 細 胞 人 工 雜 點 及 白 色 較 淡 的 背 景, 而 乳 房 細 胞 的 細 胞 核 又 可 以 根 據 染 色 反 應 等 級 可 分 為 +( 淡 褐 色 色 調 ) +( 中 等 褐 色 色 調 ) 3+( 深 褐 色 色 調 ) 0( 沒 有 反 應 的 藍 色 色 調 ) 但 實 際 上, 染 色 後 的 細 胞 會 因 為 染 色 技 術 或 取 像 環 境 的 差 異, 在 取 像 後 的 顏 色 會 有 以 下 的 變 化 :. 呈 現 沒 有 反 應 的 藍 色 細 胞 核 有 可 能 會 被 染 的 很 淡, 以 致 於 與 背 景 顏 色 太 過 於 相 近, 圖 片 在 實 行 影 像 分 割 的 時 候, 有 可 能 會 有 過 度 分 割 或 分 割 不 足 的 情 況 產 生. 同 一 個 細 胞 內 部 亮 度 可 能 會 因 染 色 技 巧 而 有 差 異, 分 割 後 可 能 會 造 成 細 胞 內 部 的 破 碎 3. 如 果 細 胞 核 重 疊, 一 旦 使 用 傳 統 分 割 演 算 法 後, 會 造 成 細 胞 核 叢 集 (Cluster) 的 現 象, 導 致 在 計 算 有 反 應 細 胞 核 與 所 有 細 胞 核 之 間 的 比 例 上 會 出 現 很 大 的 誤 差 由 於 顏 色 上 認 定 是 很 主 觀 的, 醫 師 常 常 在 主 觀 上 認 定 的 不 一 致, 而 影 響 整 個 分 類 結 果 的 客 觀 性 因 此 我 們 直 接 擷 取 的 CCD 成 像, 藉 由 細 胞 學 的 原 理 醫 師 的 分 析 討 論, 以 及 數 位 影 像 處 理 上 的 技 術, 先 對 組 織 影 像 進 行 彩 色 影 像 分 割 ; 再 採 取 分 水 嶺 演 算 法 對 重 疊 的 細 胞 核 分 離, 最 後 利 用 SVM 客 觀 地 分 類 出 褐 色 有 反 應 的 部 份, 由 於 整 個 分 類 方 式 皆 以 電 腦 自 動 化 的 方 式 達 到 輔 助 偵 測 的 功 能, 因 此 可 以 解 決 傳 統 肉 眼 觀 察 時, 會 因 個 人 的 經 驗 知 識 不 同 或 對 顏 色 上 主 觀 的 看 法, 造 成 不 同 判 讀 結 果 的 問 題 目 前 影 像 分 割 技 術 上 的 相 關 研 究 有 應 用 監 督 式 的 彩 色 直 方 圖 分 群 法 (Clustering), 也 就 是 將 所 有 的 Pixels 分 成 我 們 所 需 要 的 類 別 數 [][], 而 [3] 是 用 principal component analysis (PCA) 減 少 維 度 的 方 法,PCA 在 統 計 上 被 視 為 一 項 減 少 維 度 很 有 效 的 方 法, 由 於 PCA 會 將 主 要 成 分 的 資 料 之 變 異 數 最 大 化, 可 能 會 讓 獲 得 的 灰 階 影 像 會 有 最 大 差 異 的 灰 階 值 變 化, 所 以 [4] 利 用 監 督 式 的 學 習 SVM 及 Fisher Ratio 找 出 最 佳 彩 色 影 像 轉 灰 階 影 像 的 模 型,[7] 將 免 疫 組 織 化 學 染 色 影 像 在 製 成 玻 片 時, 會 將 其 control cells 影 像 一 起 製 作 出 來, 利 用 control cells 影 像 當 作 訓 練 資 料, 根 據 Milvang [8] 提 出 的 split effect (SE) 此 方 程 式 來 訓 練 出 分 割 的 模 型, 對 免 疫 組 織 化 學 染 色 影 像 分 類 ; 也 有 其 他 研 究 是 利 用 類 神 經 網 路 直 接 對 影 像 做 分 類, 將 物 件 以 及 背 景 分 成 兩 類 [5][6] 接 著 更 進 一 步 的 取 得 所 要 的 物 體 特 徵, 也 就 是 要 計 算 所 有 的 細 胞 核 與 有 反 應 細 胞 核 的 數 量, 不 過 在 實 際 量 測 上 會 面 臨 細 胞 核 重 疊 問 題, 而 目 前 有 兩 類 的 方 法 可 以 處 理 細 胞 核 重 疊 問 題 的 方 法, 第 一 種 是 contour-based 的 方 法 [7], 第 二 種 是 watershed-based 的 方 法 [8][9], 但 是 分 水 嶺 演 算 法 常 常 會 因 為 找 到 過 多 的 區 域 最 小 值 (Local minimum) 而 產 生 過 度 分 割 的 問 題 [0], 其 補 救 的 方 法 為 marker-controlled algorithm [], 可 以 有 效 的 抑 止 過 度 分 割 的 問 題 為 解 決 上 述 分 割 問 題, 我 們 提 出 一 系 列 影 像 處 理 技 術, 偵 測 不 同 染 色 反 應 的 細 胞 核, 本 篇 論 文 所 提 出 的 方 法 有 下 列 優 點 :. 利 用 彩 色 影 像 分 割 方 法 補 足 利 用 色 彩 轉 灰 階 影 像 的 分 割 方 法 所 造 成 的 分 割 過 度 及 分 割 不 足 的 問 題. 本 系 統 能 客 觀 地 偵 測 有 反 應 細 胞 核, 對 於 相 同 的 影 像 所 分 析 出 的 結 果 是 一 致 的, 降 低 肉 眼 判 讀 會 因 為 個 人 的 主 觀 意 見 及 其 經 驗 與 知 識 不 同, 而 產 生 不 同 的 結 果 的 問 題 3. 可 定 量 化 免 疫 組 織 化 學 染 色 法 影 像, 增 進 判 斷 的 準 確 率 4. 提 供 一 個 自 動 化 的 分 析 工 具, 減 少 交 談 式 或 人 工 上 的 操 作 負 擔 圖 ( 一 ) 免 疫 組 織 化 學 染 色 原 始 影 像, 綠 色 矩 形 代 表 +, 藍 色 矩 形 代 表 +, 紅 色 矩 形 代 表 3+ 二 研 究 材 料 與 實 驗 流 程. 研 究 影 像 本 研 究 中 所 使 用 的 免 疫 組 織 化 學 染 色 影 像 資 料 是 由 彰 化 基 督 教 醫 院 病 理 科 醫 師 所 提 供, 顯 微 鏡 是 使 用 Olympus BX50,Nikon DXM00C 的 影 像 系 統, 在 四 百 倍 的 光 學 顯 微 鏡 下 直 接 透 過 CCD (Charge Coupled Device) 成 像, 而 每 一 張 影 像 的 解 析 度 為 5x5 像 素 大 小 的 彩 色 影 像. 研 究 流 程 如 圖 ( 二 ) 所 示, 本 研 究 會 將 取 得 的 免 疫 組 織 化 學 染 色 法 影 像 直 接 讀 入 系 統 中 進 行 處 理 以 及 分 析, 首 先 將 影 像 的 各 個 彩 色 平 面, 例 如 :RGB HSI, 利 用 Otsu 分 類 分 割 演 算 法 [], 個 別 地 分 出 細 胞 核 部 份, 再 將 其 合 併, 得 到 一 張 細 胞 核 分 割 圖 接 著 我 們 利 用 一 般 間 質 細 胞 比 腫 瘤 細 胞 小 的 特 性, 量 測 每 個 物 件 的 大 小, 去 除 面 積 較 小 屬 於 間 質 細 胞 之 部 分 對 於 因 為 染 色 不 均 勻 及 使 用 分 閥 值 分 割 法 所 造 成 的 空 洞 (hole), 我 們 利 用 形 態 學 (Morphology) 上 的 填 補 (Filling) 技 巧 [0] 將 其 補 滿, 然 後 再 運 用 其 他 型 態 學 上 的 運 算 來 做 後 處 理 ㄧ 旦 取 得 細 胞 核 的 區 域 後, 先 利 用 侵 蝕 的 方 法 得 到 分 水 嶺 演 算 法 所 需 要 的 marker, 以 解 決 分 水 嶺 演 算 法 可 能 造 成 分 割 不 足 或 分 割 過 度 的 問 題 得 知 總 細 胞 核 數 量 後, 我 們 將 醫 生 判 斷 後 的 資 料 當 作 訓 練 資 料 (training data) 導 入 SVM 中, 將 訓 練 好 的 訓 練 樣 本, 再 進 一 步 對 測 試 樣 本 進 行 是 否 008 Conference on Information Technology and Applications in Outlying Islands -90-
有 正 向 反 應 細 胞 核 分 類, 得 知 實 際 上 有 反 應 的 細 胞 核 總 共 有 多 少 顆, 此 時 就 可 以 計 算 有 反 應 的 細 胞 核 所 佔 的 比 例 透 過 這 些 處 理 方 法 能 提 供 一 個 自 動 化 的 分 析 工 具, 減 少 人 工 上 的 操 作, 提 供 病 理 科 醫 師 對 於 乳 癌 診 斷 及 預 後 分 析 上 的 初 步 診 斷 免 疫 組 織 化 學 染 色 法 影 像 彩 色 影 像 分 割 分 割 出 細 胞 核 形 態 學 後 處 理 Marker detection 分 水 嶺 演 算 法 分 割 重 疊 細 胞 SVM 分 類 取 出 有 反 應 細 胞 核 計 算 有 反 應 細 胞 核 與 所 有 細 胞 核 之 比 例 圖 ( 二 ) 反 應 細 胞 分 類 流 程 圖 三 研 究 方 法 由 於 細 胞 核 部 分 與 背 景 部 份 的 色 彩 有 些 差 異, 一 旦 利 用 轉 換 成 灰 階 的 分 割 方 法 有 可 能 會 因 為 染 色 的 不 均 勻, 而 造 成 過 度 分 割 或 分 割 太 少 的 問 題, 因 此 我 們 決 定 加 入 色 彩 資 訊, 對 各 彩 色 平 面 都 做 分 閥 值 分 割 方 法, 再 將 其 個 別 結 果 合 併, 順 利 分 割 出 所 感 興 趣 的 細 胞 核 3. 彩 色 影 像 分 割 3.. 彩 色 平 面 在 此 步 驟 中, 我 們 希 望 將 感 興 趣 的 物 件 從 影 像 中 分 割 出 來, 影 像 中 會 有 背 景 與 細 胞 核, 細 胞 核 會 呈 現 兩 種 顏 色, 一 種 是 對 免 疫 組 織 化 學 染 劑 沒 有 反 應 的 細 胞 核, 這 類 細 胞 核 會 呈 現 為 藍 色 色 調 ; 另 一 種 是 有 反 應 的 細 胞 核, 則 會 呈 現 為 褐 色 色 調 在 藍 色 細 胞 核 中, 在 此 步 驟 如 果 只 使 用 灰 階 轉 換, 一 些 細 胞 核 中 屬 於 褐 色 藍 色 較 淡 的 部 份, 會 被 誤 視 為 背 景, 而 那 些 較 淡 的 部 份 也 是 我 們 所 需 要 的 分 析 資 訊, 所 以 單 純 在 灰 階 影 像 中 處 理 是 不 容 易 分 割 出 我 們 所 感 興 趣 的 細 胞 核 在 此 步 驟, 我 們 利 用 各 個 彩 色 平 面 的 資 訊 做 各 別 的 分 割, 先 利 用 RGB 三 個 彩 色 平 面 各 別 分 割 但 一 開 始 是 先 對 各 彩 色 平 面 做 5X5 的 平 均 濾 波 器, 其 主 要 原 因 是 圖 形 中 細 胞 核 在 直 方 圖 中 分 布 的 範 圍 可 能 會 與 背 景 在 直 方 圖 中 分 布 的 範 圍 重 疊, 導 致 在 直 方 圖 中 只 有 單 一 個 波 峰, 因 此 假 如 直 接 對 這 個 波 峰 作 臨 界 值 分 割, 將 會 分 離 出 太 多 不 必 要 的 物 件, 這 裡, 利 用 嘗 試 錯 誤 的 方 法 運 用 低 通 濾 波 器 來 幫 助 我 們 減 輕 這 個 問 題 [3] Otsu 演 算 法 的 目 的 在 於 找 尋 一 個 最 佳 的 臨 界 值 T 將 影 像 二 值 化 分 成 兩 個 群 集 C 與 C, 使 得 同 一 群 集 內 (within-class) 的 變 異 數 和 為 最 小, 各 個 群 集 間 (between-class) 的 變 異 數 差 為 最 大 σ (C ) 為 C 的 變 異 數, σ (C ) 為 C 的 變 異 數, 我 們 由 最 大 化 兩 個 類 別 之 間 的 變 異 數, 可 以 得 到 一 個 最 佳 * 的 臨 界 值 t : t = ArgMax{ σ () * B σ ( (C ) B = σ + σ (C ) ) () 但 是, 我 們 在 此 步 驟 中 發 現, 如 果 是 用 Otsu 分 割 分 類 法 分 兩 群 的 話, 通 常 都 會 遇 到 分 割 欠 佳 的 問 題 出 現, 原 因 是 影 像 中 的 細 胞 核 在 直 方 圖 中 分 布 的 範 圍 可 能 會 與 背 景 在 直 方 圖 中 分 布 的 範 圍 重 疊, 或 是 影 像 的 直 方 圖 有 假 雙 峰 的 問 題, 因 此 Otsu 分 割 分 類 法 在 決 定 臨 界 值 時, 會 將 臨 界 值 決 定 在 此 假 雙 峰 之 間 的 波 谷, 為 了 符 合 細 胞 影 像 的 特 性, 我 們 在 這 邊 把 Otsu 分 類 法 延 伸 [3], 就 是 把 類 別 分 成 多 群, 如 (3) 所 示 : { t *, t * σ *, L, t = Arg Max { σ (3) M M 0 t< K< tm < L 為 M 個 群 中 的 變 異 數 相 加 然 而 在 藍 色 細 胞 核 中 的 像 素, 其 RGB 值 中 的 B 值 普 遍 會 比 RG 值 高, 若 是 轉 換 成 灰 階 形 式 分 割,B 值 會 將 灰 階 值 提 高, 使 得 用 灰 階 分 割 時, 細 胞 核 中 藍 色 較 淡 的 像 素, 會 被 誤 視 為 背 景 ; 而 在 褐 色 細 胞 核 中 的 像 素, 則 是 R 值 普 遍 會 比 GB 高, 如 果 是 轉 換 成 灰 階 形 式 分 割, 細 胞 核 中 褐 色 較 淡 的 像 素, 也 會 被 誤 視 為 背 景, 但 細 胞 核 中 那 些 較 淡 的 部 份 也 是 我 們 所 需 要 的 分 析 資 訊, 所 以 單 純 在 灰 階 影 像 中 處 理 是 不 容 易 分 割 出 我 們 所 感 興 趣 的 細 胞 核 這 裡 我 們 的 影 像 明 顯 的 可 以 看 見 褐 色 細 胞 核 藍 色 細 胞 核 背 景 三 類, 於 是 我 們 對 各 個 彩 色 平 面 分 成 三 類, 取 出 顏 色 最 深 的 部 份, 也 就 是 在 直 方 圖 中 值 較 低 的 部 份, 如 圖 ( 三 a,b,c) 所 示, 我 們 以 紅 色 來 代 表 這 些 成 分, 這 也 是 我 們 所 感 興 趣 的, 圖 ( 四 ) 則 為 各 彩 色 平 面 的 直 方 圖 緊 接 著 將 這 三 個 彩 色 平 面 的 分 割 圖 合 併, 這 裡 我 們 將 這 三 個 彩 色 平 面 所 取 得 物 件 部 分, 也 就 是 紅 色 的 部 分 做 聯 集 的 動 作, 其 合 併 結 果 會 如 圖 ( 三 d) M 3.. 以 Otsu 分 類 分 割 法 找 出 臨 界 值 分 割 008 Conference on Information Technology and Applications in Outlying Islands -9-
的 TB 值 設 為 300 個 像 素 大 小, 其 結 果 如 圖 ( 五 b) 最 後 利 用 形 態 學 上 的 侵 蝕 與 膨 脹 運 算 處 理 少 許 附 著 在 細 胞 核 上 的 小 雜 點, 這 裡 我 們 將 影 像 各 用 兩 次 的 侵 蝕 與 膨 脹 運 算, 即 可 成 功 去 除 如 圖 ( 六 ) 所 示 (c) (d) 圖 ( 三 ) (c) 分 別 為 圖 ( 一 a) 色 彩 平 面 R G B 的 分 割 圖, 紅 色 部 份 為 我 們 所 要 的 第 一 類 別 較 深 的 部 份, 藍 色 及 白 色 為 第 二 類 別 與 第 三 類 別 將 其 視 為 背 景 的 部 份 (d) 為 聯 集 後 分 割 出 來 的 結 果 圖 ( 五 ) 間 質 細 胞 濾 除 將 a 用 填 滿 細 胞 內 部 後 的 結 果 (c) 圖 ( 四 ) (c) 分 別 為 色 彩 平 面 R G B 的 直 方 圖, 圖 中 黑 色 所 代 表 的 灰 階 值 即 為 Otsu 分 割 分 類 法 所 找 出 來 的 最 佳 臨 界 值, 由 於 我 們 影 像 有 三 類 物 體, 所 以 會 有 兩 個 臨 界 值 3. 形 態 學 後 處 理 及 濾 除 間 質 細 胞 與 雜 點 將 免 疫 組 織 化 學 染 色 法 的 影 像 分 割 出 細 胞 後, 也 會 同 時 偵 測 到 很 多 較 小, 較 狹 長 的 細 胞, 這 些 細 胞 稱 為 間 質 細 胞, 如 果 將 這 些 間 質 細 胞 也 加 入 計 算 比 例, 會 使 得 我 們 所 計 算 出 來 有 反 應 細 胞 核 比 例 的 準 確 度 降 低 而 且 因 為 分 閥 值 分 割 法 會 造 成 細 胞 內 部 產 生 空 洞 與 細 小 雜 點 ( Artifact ), 因 此 我 們 再 利 用 形 態 學 上 的 填 補 (Filling) 技 術 將 其 補 滿, 以 及 其 他 形 態 學 上 的 運 算, 例 如 : 侵 蝕 (Erosion) 膨 脹 (Dilation), 來 做 後 處 理 3.. 間 質 細 胞 與 雜 點 的 濾 除 病 理 上, 間 質 細 胞 會 比 一 般 的 腫 瘤 細 胞 來 的 小, 所 以 我 們 利 用 這 個 特 性, 將 所 分 割 出 屬 於 細 胞 核 的 物 件 都 把 它 標 記 起 來 [4], 計 算 每 個 物 件 的 面 積, 這 邊 我 們 是 利 用 面 積 為 40 個 像 素 為 是 否 去 除 間 質 細 胞 或 雜 點 的 條 件, 若 面 積 小 於 此 條 件 就 去 除, 如 圖 ( 五 a), 其 餘 部 份 就 會 保 留 下 來 3.. 形 態 學 後 處 理 由 於 細 胞 核 內 會 因 染 色 技 巧 差 異 造 成 影 像 亮 度 不 均, 加 上 使 用 分 閥 值 分 割 法 後, 細 胞 核 內 較 亮 的 部 分 會 被 誤 認 為 背 景 部 分 而 被 不 當 的 去 除, 因 而 產 生 空 洞 ; 為 了 解 決 此 問 題, 我 們 首 先 計 算 整 張 影 像 中 每 個 空 白 區 域 的 面 積 並 且 標 記 起 來, 並 設 定 一 臨 界 值 TB, 若 空 白 區 域 之 面 積 小 於 TB 則 視 為 不 是 背 景, 將 其 補 滿, 即 可 解 決 上 述 問 題 本 研 究 中 圖 ( 六 ) 形 態 學 後 處 理 完 的 結 果 3.3 分 水 嶺 演 算 法 分 水 嶺 演 算 法 [6] 是 一 項 常 常 用 來 分 辨 重 疊 物 體 的 方 法, 但 是 在 演 算 法 中 可 以 找 到 的 區 域 最 小 值 太 多, 會 造 成 在 分 割 上 會 出 現 過 度 分 割 ( Over-segmentation ) 的 情 況, 其 補 救 的 方 法 為 marker-controlled watershed algorithm [], 將 所 找 到 的 區 域 最 小 值 合 併 為 marker, 則 目 前 的 區 域 最 小 值 不 再 是 一 個 點, 而 是 整 塊 面 積, 這 樣 可 以 有 效 的 抑 止 過 度 分 割 的 問 題 3.3. Marker detection 數 學 形 態 學 經 常 會 用 來 作 為 影 像 處 理 以 及 分 析 的 工 具, 並 且 常 常 應 用 在 影 像 分 割 濾 波 器 和 影 像 強 化 等 等, 其 中 膨 脹 (Dilation) 和 侵 蝕 (Erosion) 是 形 態 學 中 兩 個 基 本 的 運 算 元, 在 這 裡 我 們 不 以 灰 階 值 找 出 區 域 最 小 值, 而 是 只 考 慮 其 物 件 的 形 狀, 以 侵 蝕 (Erosion) 作 為 基 礎, 提 出 marker detection algorithm 找 出 分 水 嶺 演 算 法 所 需 要 的 marker 我 們 以 流 程 圖 來 解 釋, 如 圖 ( 七 ) 所 示, 首 先, 對 整 張 影 像 中 的 物 件 各 別 的 標 記 (labeling)[4], 對 每 一 個 物 件 編 號, 其 連 通 之 物 件 中 的 像 素 擁 有 同 樣 的 編 號, 此 時 我 們 可 以 知 道 影 像 中 有 多 少 物 件 (object_number) 第 二, 每 個 物 件 各 別 反 覆 侵 蝕 0 次, 結 構 元 素 B 為 4- 鄰 近, 如 圖 ( 八 ) 所 示 第 三, 每 次 侵 蝕 完 都 會 再 重 新 Labeling, 為 的 是 要 知 道 目 前 整 張 影 像 的 總 數 是 否 有 比 原 始 的 總 數 多, 假 如 008 Conference on Information Technology and Applications in Outlying Islands -9-
Labeling 整 張 影 像 每 個 物 件 個 別 侵 蝕 0 次 算 出 總 物 件 數 目 =object_number Labeling 目 前 影 像, 計 算 目 前 影 像 的 物 件 總 數 n, 檢 查 n 是 否 大 於 object_number Yes Yes No No 計 算 每 個 物 件 的 面 積 是 否 大 於 5pixels Yes No 紀 錄 當 前 的 圖 當 marker 不 紀 錄 若 0 次 侵 蝕 都 沒 有 分 離 出 新 物 件, 用 地 5 次 的 侵 蝕 圖 當 作 marker 保 留 去 除 物 件 圖 ( 七 ) Marker detection 演 算 法 流 程 圖 Labeling 完 的 物 件 數 n > object_number 的 話, 將 其 視 為 有 分 離 出 新 物 件 ; 反 之, 這 裡 為 了 加 快 執 行 速 度, 我 們 設 定 十 次 侵 蝕 後, 若 是 此 物 件 沒 有 另 外 分 離 出 另 一 個 新 物 件, 就 會 停 止 對 此 物 件 做 侵 蝕, 並 且 將 第 五 次 侵 蝕 後 的 影 像 作 為 marker, 會 用 第 五 次 侵 蝕 後 的 影 像 是 因 為, 若 是 用 第 0 次 的 影 像 作 為 marker 的 話, 可 能 會 因 為 侵 蝕 過 度, 使 得 物 件 被 去 除 或 是 非 常 小, 這 樣 一 來 再 用 分 水 嶺 演 算 法 時, 可 能 會 讓 此 物 件 不 見 第 四, 在 侵 蝕 的 過 程 中, 會 發 現 有 些 很 細 微 的 雜 點 會 出 現, 這 也 必 須 將 其 去 除, 否 則 執 行 完 分 水 嶺 演 算 法 後, 會 出 現 過 度 分 割 的 情 形 第 五, 去 除 完 雜 點 以 後, 我 們 需 要 知 道 目 前 的 影 像 是 否 有 新 的 物 件 被 分 離 出 來, 所 以 又 在 一 次 的 Labeling 當 前 的 影 像, 若 是 n 的 值 大 於 object_number, 表 示 真 的 有 新 的 物 件 被 分 離 出 來, 於 是 記 錄 下 當 前 的 影 像 當 做 marker; 反 之, 就 不 需 要 記 錄 第 六, 繼 續 對 這 物 件 侵 蝕, 反 覆 執 行 第 二 到 第 五 的 步 驟 直 到 此 物 件 被 侵 蝕 0 次, 接 著 繼 續 對 下 個 物 件 侵 蝕 附 錄 為 Marker detection 的 演 算 法 接 著 我 們 用 圖 說 明, 如 圖 ( 九 a), 我 們 Labeling 完 後 知 道 有 一 個 物 件, 標 記 為 (), 對 其 做 侵 蝕 的 動 作, 在 五 次 侵 蝕 時 Labeling 到 兩 個 物 件, 如 圖 ( 九 b) 所 示, 從 面 積 判 斷 出 都 不 是 雜 點, 則 記 錄 下 此 時 侵 蝕 完 的 影 像 當 marker, 繼 續 對 () 侵 蝕, 再 第 九 次 侵 蝕 時 又 Labeling 到 另 一 新 物 件, 判 斷 其 面 積 知 道 都 不 是 雜 點, 記 錄 下 此 時 的 圖 當 marker, 新 的 物 件 標 記 為 (3), 如 圖 ( 九 c) 所 示, 最 後 再 將 () 做 最 後 一 次 的 侵 蝕, 沒 有 Labeling 到 新 的 物 件, 此 時 已 做 完 第 一 個 物 件 的 marker detection, 將 圖 ( 九 c) 當 作 marker 圖 ( 一 ) 為 做 完 此 marker detection 後 會 得 到 一 張 分 水 嶺 演 算 法 所 需 要 的 marker, 其 結 果 會 如 圖 ( 九 d) 所 示, 圖 ( 九 e) 為 實 際 使 用 marker 來 做 分 水 嶺 演 算 法 後 的 結 果 0 0 p 0 0 圖 ( 八 ) 結 構 元 素 B, 其 為 4- 鄰 近,p 為 pixel 008 Conference on Information Technology and Applications in Outlying Islands -93-
subject to T y ( w x + b), i =,, K N (7) i i, (c) (d) (e) 圖 ( 九 ) ~(c) 為 marker detection 的 例 子 (d) 為 圖 ( 一 a) 的 marker 圖 (e) 為 執 行 watershed 運 算 後 的 結 果 這 裡 我 們 可 以 用 function[5] 可 以 得 到 : N N Lagrange multipliers w = α i yixi, i= α i y i = 0 (8) i= 如 圖 ( 十 ) 所 示, 我 們 所 想 要 找 的 褐 色 物 體 部 分, 會 比 較 靠 近 紅 色 的 色 調, 於 是 可 以 從 Hue 的 色 環 圖 中 發 現, 此 色 調 將 會 是 座 落 在 色 環 圖 的 兩 端, 因 此 只 要 找 到 適 當 的 分 類 特 徵, 就 可 以 決 定 該 物 體 究 竟 為 有 反 應 或 無 反 應 的 細 胞 核 在 此, 我 們 以 HSI 當 作 特 徵 值, 就 是 將 x =H 值 x =S 值 x 3 =I 值, 形 成 x 向 量, 透 過 SVM 訓 練 出 一 個 適 合 我 們 影 像 的 模 型, 再 運 用 訓 練 結 果 去 測 試 欲 分 類 資 料, 其 實 驗 執 行 後 的 結 果, 褐 色 部 份 會 如 圖 ( 十 一 ) 所 示 之 紅 色 物 體 3.4 SVM 辨 別 反 應 細 胞 核 實 際 上, 在 染 色 中 有 反 應 的 細 胞 核, 如 果 用 肉 眼 判 讀, 常 常 會 因 為 個 人 主 觀 認 知, 而 對 於 褐 色 的 部 分 有 不 同 的 感 知 ( perception ) 及 判 斷 ; 為 了 有 更 客 觀 的 分 類, 我 們 利 用 SVM 做 出 顏 色 分 類, 將 褐 色 的 部 分 分 割 出 來, 這 也 是 現 在 很 熱 門 的 一 種 方 法, 也 就 是 separating margin[5] 我 們 以 支 援 向 量 機 的 分 類 法 為 基 礎, 將 有 反 應 及 無 反 應 的 兩 群 細 胞 核 分 別 標 記 為 y i = + y i = -, 然 後 定 義 N 個 training data, 再 將 資 料 分 成 兩 類 : 有 反 應 以 及 無 反 應 的 細 胞 核, 依 照 資 料 輸 入 的 特 徵, 做 為 分 類 的 基 準, 找 出 可 以 將 兩 類 分 離 的 最 大 超 平 面, 而 此 平 面 分 離 的 中 心 線 方 程 式 為 (5), 此 平 面 的 距 離 為 左 右 各 距 離 / ω, 所 以 就 是 要 找 到 / ω 的 最 大 值, 然 而 將 來 要 測 試 的 資 料 輸 入 後, 系 統 會 根 據 (5) 的 運 算 值 來 決 定 測 試 資 料 將 被 歸 類 在 T 那 一 類 這 裡 的 w 為 我 們 訓 練 出 來 的 最 佳 參 數 之 向 量,x 為 我 們 輸 入 像 素 的 特 徵 之 向 量 [ x, x, x,...x ] - x = 3 n (4) w T x + b = 0 (5) 此 時 要 找 / ω 的 最 大 值, 就 會 簡 化 成 最 小 化 下 面 的 問 題 : T J = w w (6) 圖 ( 十 ) Hue 的 色 環 圖 圖 ( 十 一 ) 紅 色 部 分 為 我 們 取 出 來 褐 色 部 分 四 實 驗 結 果 與 討 論 在 [4] 中 所 提 出 的 是 P53 免 疫 組 織 化 學 影 像 分 割 方 法, 先 利 用 Fisher ratio 與 SVM 的 分 類 法 來 找 到 最 佳 的 彩 色 影 像 轉 灰 階 影 像 的 模 型, 我 們 也 利 用 他 們 的 方 法 做 出 對 我 們 影 像 的 灰 階 轉 換 公 式, 亦 找 出 對 我 們 影 像 的 最 佳 模 型,(9) 式 為 用 Fisher ratio 所 找 到 的 模 型,(0) 式 為 SVM 所 找 到 的 模 型 接 著 轉 換 成 最 合 適 的 灰 階 影 像 後, 用 Otsu thresholding 將 影 像 二 值 化 分 成 兩 類, 將 細 胞 核 的 部 分 取 出 來 如 圖 ( 十 二 f) 所 示, 我 們 會 發 現 利 用 Fisher ratio 轉 換 成 灰 階 的 方 法, 在 我 們 的 影 像 中 會 因 為 臨 界 值 取 的 不 佳, 會 有 分 割 不 足 的 問 題 ; 如 圖 ( 十 二 g) 所 示, 用 SVM 轉 換 成 灰 階 的 方 法, 在 某 些 影 像 中, 觀 察 其 灰 階 直 方 圖 發 現 有 假 雙 峰 的 問 題, 因 為 在 我 們 的 影 像 中 是 使 用 otsu 分 割 演 算 法, 將 會 使 得 臨 界 值 落 入 假 雙 峰 間 的 波 谷, 否 則 會 造 成 物 件 分 割 過 度 的 問 題 008 Conference on Information Technology and Applications in Outlying Islands -94-
y 0.48R+ 0.37G+ 0.B = (9) y 0.34R+ 0.348G+ 0.338B = (0) 細 胞 核 反 應 的 分 類 比 較, 一 樣 將 HSI 當 作 特 徵 值, 中 間 層 放 置 一 個 神 經 元, 建 構 成 一 個 3-- 的 倒 傳 遞 類 神 經 網 路, 在 我 們 的 影 像 資 料 庫 中 一 共 有 50 張 免 疫 組 織 化 學 染 色 影 像 ; 其 中, 我 們 先 用 肉 眼 判 斷, 隨 機 從 資 料 庫 中 找 出 350 個 褐 色 的 像 素, 與 350 個 不 是 褐 色 的 像 素 導 入 當 作 訓 練 資 料, 同 樣 也 導 入 SVM 做 訓 練, 訓 練 出 一 分 類 模 型, 然 後 從 50 張 影 像 中 隨 機 選 出 0 張 影 像, 接 著 在 每 張 影 像 中 都 隨 機 選 出 000 的 像 素 當 做 測 試 資 料, 不 過 我 們 會 先 將 這 些 測 試 資 料 先 經 由 肉 眼 判 斷, 再 與 SVM 及 倒 傳 遞 類 神 經 網 路 所 建 構 出 的 分 類 模 型 所 分 類 後 的 結 果 比 較 其 準 確 度 雖 然 在 有 些 樣 本 中, 倒 傳 遞 類 神 經 網 路 的 準 確 率 是 比 SVM 高, 但 是 也 可 以 發 現 利 用 SVM 分 類 其 穩 定 度 會 比 倒 傳 遞 類 神 經 網 路 來 的 高 其 比 較 結 果 如 表 ( 一 ) (e) (c) (d) (f) 表 ( 一 ) SVM 與 BP 分 類 的 比 較 表 SVM 準 確 率 圖 pixels SVM 分 類 正 確 數 BP 分 類 正 確 數 BP 準 確 率 000 939 93.9% 873 87.3% 000 93 93.% 976 97.6% 3 000 967 96.7% 834 83.4% 4 000 79 79.% 875 87.5% 5 000 978 97.8% 844 84.4% 6 000 894 89.4% 797 79.7% 7 000 859 85.9% 793 79.3% 8 000 96 9.6% 947 94.7% 9 000 957 95.7% 97 9.7% 0 000 95 9.5% 74 74.% (g) 圖 ( 十 二 ) 為 使 用 (9) 式 所 轉 換 成 灰 階 影 像 的 結 果, 為 使 用 (0) 式 所 轉 換 成 灰 階 影 像 的 結 果, (c) 為 圖 的 直 方 圖, 圖 中 黑 線 為 otsu 演 算 法 所 找 出 的 臨 界 值 (d) 為 圖 的 直 方 圖, 圖 中 黑 線 為 otsu 演 算 法 所 找 出 的 臨 界 值 (e) 是 我 們 的 方 法 所 分 割 後 的 結 果 (f) 是 圖 分 割 的 結 果 (g) 是 圖 分 割 的 結 果 在 此 我 們 也 利 用 倒 傳 遞 類 神 經 網 路 (Back-propagation Neural Network) 與 SVM 做 個 圖 ( 十 三 ) 為 另 一 樣 本 所 分 割, 分 析 出 來 的 結 果, 雖 然 此 例 子 的 細 胞 核 數 目 較 多, 而 且 原 始 影 像 中 有 部 分 的 淡 藍 色 細 胞 核 與 背 景 的 顏 色 非 常 的 相 近, 使 用 我 們 的 方 法 都 能 成 功 的 分 割 出 所 感 興 趣 的 細 胞, 並 且 利 用 分 水 嶺 演 算 法 將 重 疊 的 細 胞 分 離 開 來, 使 得 研 究 中 可 以 做 定 量 的 分 析, 並 且 提 供 給 醫 生 所 需 要 的 有 反 應 細 胞 核 與 所 有 細 胞 核 之 間 之 比 例 也 將 會 準 確 許 多 由 於 在 我 們 的 影 像 中 細 胞 核 密 集, 例 如 : 圖 ( 十 三 a) 的 左 上 角 部 分, 在 分 割 細 胞 核 之 過 程 當 中, 因 使 用 到 形 態 學 之 後 處 理, 將 整 團 細 胞 核 中 間 的 背 景 色 也 分 割 出 來, 如 圖 ( 十 三 c) 的 左 上 角 部 分, 這 問 題 會 造 成 在 做 分 水 嶺 演 算 法 時 的 誤 差, 也 會 有 所 取 出 之 細 胞 核 輪 廓 與 原 影 像 之 真 正 輪 廓 會 有 些 許 誤 差 之 問 題, 未 來 希 望 在 分 割 的 過 程 中 加 入 Active Contour Model 如 008 Conference on Information Technology and Applications in Outlying Islands -95-
Snake 技 術 之 步 驟 或 是 在 後 處 理 時, 使 用 一 些 型 態 學 中 其 他 的 方 法, 以 求 精 確 地 得 到 細 胞 核 之 最 佳 輪 廓, 更 進 一 步 地 得 到 更 精 確 的 特 徵 比 例 (c) (d) (e) (f) 圖 ( 十 三 ) 免 疫 組 織 化 學 染 色 法 原 始 影 像 分 割 出 細 胞 核 的 結 果 (c) 後 處 理 及 細 胞 填 滿 (d)watershed marker (e)watershed 完 的 結 果 圖 (f) 利 用 SVM 取 出 有 反 應 細 胞 的 褐 色 五 結 論 本 研 究 提 出 了 一 個 可 以 定 量 計 算 免 疫 組 織 化 學 染 色 法 影 像 的 方 法, 藉 由 我 們 所 提 出 的 彩 色 影 像 分 割 法, 包 含 各 個 彩 色 平 面 的 分 割 利 用 Otsu 分 割 演 算 法 得 到 影 像 中 的 細 胞 核, 形 態 學 後 處 理 及 濾 除 間 質 細 胞 與 雜 點, 將 感 興 趣 的 細 胞 核 分 割 出 來 之 後, 接 著 使 用 我 們 提 出 以 侵 蝕 為 基 礎 的 Marker detection 找 出 分 水 嶺 演 算 所 需 的 marker, 分 水 嶺 演 算 法 可 順 利 地 將 重 疊 細 胞 核 分 離, 給 予 我 們 做 定 量 的 計 算, 最 後 使 用 SVM separating margin 的 分 類 方 法 客 觀 的 得 到 有 反 應 的 細 胞 核 所 在, 進 而 可 以 得 到 有 反 應 的 細 胞 核 與 全 部 細 胞 核 之 間 的 比 例, 以 這 些 提 出 的 自 動 化 細 胞 判 讀 方 法 提 供 病 理 科 醫 師 在 切 片 影 像 判 讀 上 之 輔 助 及 預 後 分 析 所 需 相 關 資 訊, 以 期 能 達 到 電 腦 輔 助 診 斷 的 功 用, 並 增 加 臨 床 診 斷 的 正 確 率 附 錄 Marker detection 的 演 算 法 Input: image f Labeling(f) ; // 可 得 知 整 張 影 像 object 的 總 數 n object_number = n ; for x = to object_number { a = ; b = ; while(a <= 0) { a++; b++; f = object(x) Θ B ; Labeling( f ) ; // 下 面 表 示 有 分 離 出 新 物 件 if(n > object_number) { for i = to n { if( object_area(i) <=5 ) The gray value of all pixels in object(i) = 55 ; Labeling(f); // 以 下 表 示 真 正 有 分 離 出 新 物 件 if( n > object_number) { object_number = n ; marker image = f ; b = 00 ; if( b = 5) marker image = f ; 六 參 考 文 獻 [] A.Edisson. L. Leveelahti, K.M. Heiskanen, and U. Routsalainen, Color enhancement and edge detection for confocal microscopy fluorescent images,"prooceeding of the 6th Nordic processing symposium-, Finland, June, 004. [] O. Lezoray, Supervised automatic histogram clustering and watershed segmentation-application to microscopic medical color image,"image Anal. Sterreol, Vol.,pp.3-0,003. [3] P.Ranefall, K.Wester, E.Bengtsson, Automatic quantification of immunohistochemically stained cell nuclei using unsupervised image analysis"ios Press, 998 [4] K.Z. Mao, Peng Zhao, and Puay-Hoon Tan, Supervised Learning-Based Cell Image Segmentation for P53 Immunohistochemistry. ", IEEE Transactions on Biomedical Engineering, 008 Conference on Information Technology and Applications in Outlying Islands -96-
Vol. 53, NO.6, June 006. [5] M.Sammouda, R.Sammouda, N. Niki, N. Yamaguchi, N. Moriyama Cancerous nuclei detection on digitized pathological lung color images"academic PRESS, 00. [6] R.Sammouda, M.Sammouda "Improving the performance of Hopfield Neural Network to Segmentation Pathological liver color images"international Congress Series, 003. [7] Hai-Shun Wu, Joseph Barba, Joan Gil A parametric fitting algorithm for segmentation of cell images. IEEE Trans. Biomed. Eng., vol.45, pp.400-407, 998 [8] L. Vincent, Morphological grayscale reconstruction in image analysis: Applications and efficient algorithms, IEEE Transactions on Image Processing, vol., no., pp.76-0, 993 [9] P.Ranefall, Lars Egevad, Bo Nordin, E.Bengtsson, A new method for segmentation of colour images applied to immunohistochemically stained cell nuclei."ios Press, 997 [0] R.C. Gonzalez and R.E. Woods, Digital Image Processing / nd edition, Prentice Hall, 00. [] H.Zhou and K. Z. Mao Adaptive Successive Erosion-based Cell Image Segmentation for p53 Immunohistochemistry in Bladder Inverted Papilloma, IEEE Engineering in Medicine and Biology 7 th Annual Conference, 005. [] N.Otsu, A threshold selection method from gray-level histograms,,ieee Trans. Syst.,Man, Cybern., vol. SMC-9, no.,pp. 6-66,979. [3] Liao,P.S., Chen, T.S., Chung, P.C.,00. A fast algorithm for multilevel thresholding.jounal of Information Science and Engineering 7, 73-73. [4] 林 俊 志," 以 細 胞 學 及 影 像 處 理 技 術 分 析 乳 房 腫 瘤 ", 嘉 義 大 學 資 訊 工 程 研 究 所 碩 士 論 文,007. [5] N. Cristianini and J. Shawe-Taylor, An Introduction to Support Vector Machines and Other Kernel-Based Learning Methods. Cambridge,U.K.:Canbridge Univ. Press, 000 [6] P. Soille, Morphological Image Analysis: Principles and Applications. Berlin, Germany: Springer-Verlag,999. [7] P.Ranefall, Kenneth Wester, Ann-Catrin Andersson, Christer Busch and E.Bengtsson, Automatic quantification of immunohistochemically stained cell nuclei based on standard rederence cells."ios Press, 998 [8] O. Milvang, An adaptive algorithm for color image quantization,in: Processing of the 5 th Scandinavian Conference on Image Analysis, Stockholm, Sweden, 987, Vol., 987, pp.43-47 008 Conference on Information Technology and Applications in Outlying Islands -97-