Using image analysis and processing for morphological characterization of bovine spermatozoa Rebecca Espı́rito Santo da Cruz Faculdade de Medicina Veterinária Universidade Federal de Uberlândia Uberlândia, MG, Brasil [email protected] Marcelo Emı́lio Beletti Instituto de Ciências Biomédicas Universidade Federal de Uberlândia Uberlândia, MG, Brasil [email protected] Resumo—The semen analysis is the main method of diagnosis in male fertility used in veterinary medicine. However, due to the subjectivity intrinsic of an visual analysis, it has being proposed to use computer image analysis for the evaluation of sperm morphology. Thus, the present study aims to characterize the morphology of bull sperm head by using image processing and analysis techniques. For morphological analysis it was performed the preparation of smears, the capture and segmentation of the images, and the automatic evaluation of various characteristics obtained from the head of the sperm. In order to validate the efficiency of the automatic segmentation, an index of similarity from the comparison with manual segmentation was obtained. From this ratio it was found that 85% of the heads automatically detected had good quality segmentation. The results show that the method can be used by researchers in male fertility studies. I. Introdução Em termos mundiais, a pecuária bovina brasileira destaca-se pelo seu efetivo e inesgotável potencial de crescimento. Esse crescimento demonstra a consolidação da atividade, cada vez mais fortalecida pela maior disponibilidade de sêmen [1]. O aumento do número do rebanho está diretamente ligado à melhoria das taxas reprodutivas dos animais, que por sua vez depende diretamente da fertilidade. Nenhum teste isolado é capaz de predizer a fertilidade de uma amostra de sêmen, mas o exame de várias caracterı́sticas fı́sicas e morfológicas pode predizer uma maior fertilidade [2]. Várias técnicas têm sido empregadas para medir estes fatores, entre elas encontra-se o espermograma. O espermograma consiste na avaliação fı́sica e morfológica do sêmen, assumindo grande importância como diagnóstico, sendo que o médico veterinário é frequentemente requisitado para a avaliação do animal quanto à sua habilidade em produzir espermatozoides viáveis [3], seja em centrais de inseminação ou em propriedades que utilizam a monta natural para provar a aptidão do macho. É o principal método de diagnóstico de fertilidade do macho utilizado na rotina veterinária para a avaliação de várias caracterı́sticas Bruno Augusto Nassif Travençolo Faculdade de Computação Universidade Federal de Uberlândia Uberlândia, MG, Brasil [email protected] espermáticas, dentre elas a motilidade e a morfologia dos espermatozoides [4], [5]. Frequentemente, a morfologia e a motilidade dos espermatozoides são estimadas de forma subjetiva, por meio da avaliação visual das células espermáticas sob microscopia óptica convencional, representando a principal análise laboratorial utilizada pelas centrais de coleta e congelamento de sêmen [6]. Essa avaliação subjetiva, amplamente utilizada em laboratórios de andrologia, depende da habilidade e percepção do técnico [7]. Por isso, com o objetivo de reduzir a subjetividade, tendenciosidade, possı́veis falhas e aumentar a reprodutibilidade entre diferentes examinadores, vem sendo proposto o uso de análise de imagem por computador para a avaliação da motilidade e morfologia dos espermatozoides [6], [7], [8], [9]. A análise de caracterı́sticas estáticas do espermatozoide referentes à sua morfologia e a análise do movimento espermático por meio da computação é uma análise mais rápida e objetiva para avaliação do macho da espécie bovina. A análise de imagens por computador oferece uma maior precisão e confiabilidade nos resultados, pois reduz a subjetividade, e consequentemente falhas que possam surgir durante a avaliação, inerentes do processo feito por análise visual, além de fornecer novas metodologias e técnicas para a avaliação da fertilidade contribuindo desta forma com melhoria da reprodução animal [10], [11], [2]. No entanto os sistemas computacionais já disponı́veis apresentam algumas desvantagens que tornam seu uso limitado como o elevado custo do equipamento, a necessidade de validação, o controle de qualidade e a padronização das avaliações realizadas [11]. Com o presente trabalho objetivou-se a caracterização morfológica da cabeça de espermatozoides de touros por meio de técnicas computacionais de processamento e análise de imagem. Foi realizada uma verificação da viabilidade de se usar essa metodologia, por meio da avaliação da precisão do algoritmo de segmentação. Essa avaliação foi feita comparando-se os resultados da segmentação automática com a segmentação manual. Após a segmentação, diversas medidas que permitem caracterizar X Workshop de Visão Computacional - WVC 2014 270 morfologicamente as cabeças foram realizadas. II. Materiais e Métodos A análise da morfologia da cabeça de espermatozoides bovinos é composta de três principais etapas: (i) Preparação das amostras e captura das imagens; (ii) Segmentação automática das imagens; e (iii) Avaliação automática das caracterı́sticas morfológicas das cabeças. A. Preparação das amostras e captura das imagens dos espermatozoides Foram utilizadas 25 amostras de sêmen de touro fornecidas pelo Laboratório de Histologia da Universidade Federal de Uberlândia. As amostras estavam armazenadas em solução de citrato formalado, sendo 2,9% de citrato e 10% de formol até o momento do processamento. O sêmen foi utilizado para captura das imagens para avaliação da morfologia espermática. Para análise morfológica dos espermatozoides foram realizados esfregaços das doses de sêmen sendo que essas amostras já estavam fixadas pelo citrato formalado. Após secagem ao ar, os esfregaços foram hidrolisados por 25 min., em ácido clorı́drico 4N, lavados em água destilada e secos à temperatura ambiente. Então, foi colocada uma gota de azul toluidina a 0,025% em tampão Mcllvaine (citrato de sódio-fosfato) pH 4 e coberto com lamı́nula [9]. Após confecção dos esfregaços, fez-se a leitura por microscopia óptica utilizando a objetiva de imersão (100X). Por meio de uma câmera conectada a um computador acoplado ao microscópio, as imagens digitais das cabeças espermáticas foram capturadas (Fig. 1). Nessa imagem, os pixels ou pontos em preto representam regiões que não pertencem aos espermatozoides, enquanto que esses são marcados pelos pixels em branco. O processo de segmentação é fundamental para que as medidas automáticas, descritas na próxima seção, possam ser calculadas. O método adotado para segmentação foi a limiarização, com limiar escolhido automaticamente baseando-se na análise dos picos da segunda derivada do histograma da imagem [13]. Figura 2. Resultado da segmentação automática das cabeças de espermatozoides de touro contidas na Fig. 1. Para verificar se o processo automático de segmentação foi realizado corretamente, as cabeças dos espermatozoides de touro também foram segmentadas manualmente. Em seguida, foram comparados os dois métodos (Fig. 3). A imagem obtida pela segmentação automática (Fig. 3a) e pela segmentação manual (Fig. 3b) foram sobrepostas. O resultado dessa sobreposição gerou uma nova imagem com duas diferentes regiões (não considerando o fundo) (Fig. 3c): R1, que contém pixels que pertencem à cabeça do espermatozoide tanto na imagem segmentada automaticamente quanto na manual (pixels em branco na Fig. 3c); e R2, que contém os pixels da cabeça do espermatozoide somente na imagem obtida pela segmentação automática ou somente pela segmentação manual (pixels em cinza na Fig. 3c). Com isso, foi possı́vel calcular um ı́ndice de similaridade entre a imagem original e a segmentada por meio da seguinte equação: Figura 1. Imagens das cabeças espermáticas de touro obtidas após captura pela câmera acoplada ao microscópio óptico em aumento de 1000X. B. Segmentação automática das imagens Posteriormente as imagens obtidas foram processadas realizando a segmentação [12], que neste caso significa identificar a cabeça dos espermatozoides na imagem. Essa identificação consiste em gerar uma nova imagem (Fig. 2). S= P (R1) P (R1) + P (R2) (1) onde S é o ı́ndice de similaridade e P (R1) e P (R2) indicam a quantidade de pixels que pertencem à região R1 e R2, respectivamente. Dessa forma, quando o resultado da segmentação automática for exatamente igual ao da manual, o valor de S será 1. Não havendo nenhuma intersecção, o valor de S será 0. X Workshop de Visão Computacional - WVC 2014 271 Figura 3. Segmentação das cabeças de espermatozoides de touro. (a) Resultado da segmentação automática. (b) Resultado da segmentação manual. (c) Sobreposição dos resultados para realização do cálculo do ı́ndice de similaridade S (Eq. 1). C. Avaliação automática das caracterı́sticas morfológicas das cabeças Neste trabalho foram extraı́das medidas morfológicas importantes das cabeças dos espermatozóides. As medidas foram calculadas após o processo de segmentação. Foram avaliadas área, perı́metro, elongação, simetria, textura, entropia, largura e comprimento [14], [9], [5], [15], [16]. A partir desses valores é possı́vel realizar análises que podem ajudar na determinação da existência ou não de anomalias na cabeça dos espermatozoides. III. Resultados e Discussão A. Avaliação do ı́ndice de similaridade Analisando os resultados, verificamos empiricamente que uma boa segmentação foi obtida para cabeças com ı́ndice de similaridade S maior que 0, 80. A Fig. 4 mostra alguns exemplos de cabeças com diferentes ı́ndices de similaridade. Para valores acima de 0, 8 a detecção funcionou bem – pode-se notar que as imagens segmentadas manualmente e as automáticas são bem semelhantes. No entanto, para valores menores que 0, 8 pode-se observar cabeças que possuem algum tipo de patologia ou então estavam sobrepostas a outras cabeças, ou apresentavam algum artefato de técnica que de alguma forma interferiu em sua morfologia, prejudicando desta forma a segmentação. Ou ainda algum artefato presente na lâmina que foi considerado como sendo uma cabeça e acabou sendo segmentado. No total, 1228 cabeças foram consideradas, sendo que 953 (85%) obtiveram grau de similaridade maior que 0, 8 (Fig. 5). Com isso, podemos considerar que o algoritmo de segmentação automática funciona muito bem. As cabeças com similaridade menor que 0, 8 – o que indica que não foram corretamente segmentadas – poderiam ser descartadas por meio da análise de outras medidas (como, por exemplo, simetria ou área). Figura 4. Exemplos de imagens com diferentes ı́ndices de similaridade. As images são apresentadas aos pares, onde a imagens à esquerda mostram o resultado da segmentação automática (mas com os pixels com intensidades da imagens originais) e as imagens à direita mostram a segmentação manual. B. Análise da Morfologia da Cabeça Como o ı́ndice de similaridade mostrou que o algortimo de segmentação pode ser usado para detecção automática das cabeças de espermatozóides nas imagens, o próximo passo é obter medidas referentes a essas cabeças, de forma a caracterizar morfologicamente o espermatozoide. Foram calculadas, para cada cabeça, as seguintes medidas: Figura 5. Grau de similaridade de todas as cabeças espermáticas analisadas. X Workshop de Visão Computacional - WVC 2014 272 Tabela I Média e desvio padrão das 25 amostras analisadas, para cabeças com simetria maior que 0.9. Amostra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Média Desvio Área (µm) (µm) 40,4 35,1 34,9 36 39,2 35,5 34,4 36,2 37,8 40,9 37 36,1 34,1 36,3 36,7 40,6 35,2 40,4 37,6 36 41 42,9 41,7 36 40 37,68 2,54 Perı́metro (µm) 27,1 24,9 24,1 24,7 25,9 24,3 24,4 25 25,3 26,3 25,1 24,7 23,9 25 24,6 25,9 24,4 25,7 25,4 24,7 26,3 26,8 26,2 24,2 25,8 25,21 0,86 Elongação Simetria Textura Entropia 4,7 4,8 4,03 4,12 3,62 4,13 4,69 4,99 4,29 4,12 4,35 4,58 4,33 4,53 3,55 3,73 4,42 3,7 4,24 4,56 3,98 3,95 4,06 3,69 4,2 4,21 0,38 0,94 0,95 0,94 0,95 0,94 0,95 0,95 0,95 0,96 0,95 0,95 0,95 0,95 0,95 0,95 0,94 0,95 0,95 0,94 0,96 0,95 0,96 0,96 0,96 0,96 0,95 0,01 3,93 2,77 2,55 1,74 4,6 2,47 2,36 3,69 5,42 3,28 3,47 2,46 3,53 2,9 4,71 5,22 2,91 6,81 2,22 3,38 4,31 3,76 5,38 6,41 2,84 3,72 1,31 3,86 3,34 3,3 2,78 4,1 3,24 3,14 3,72 4,21 3,6 3,67 3,24 3,71 3,39 4,06 4,25 3,37 4,52 3 3,56 3,86 3,8 4,17 4,58 3,37 3,67 0,46 Figura 6. Exemplo de cabeças com patologias ou artefatos de técnica. Em muitos casos essas imagens podem ser eliminadas da análise morfológica por meio de uma consulta ao valor de simetria. Para imagens mostradas nesta figura, todas cabeças apresentam simetria abaixo de 90%. área (µ2 m), perı́metro (µm), elongação, simetria, textura, entropia, comprimento (µm) e largura (µm). O cálculo dessas medidas serve também não só para caracterizar o espermatozoide, mas também como uma etapa de pósprocessamento, pois é possı́vel remover das análises cabeças com medidas discrepantes da média. No caso, a medida escolhida foi a simetria. A Tab. I apresenta o resultado das medidas para as 25 amostras. Foram selecionadas somente as cabeças com simetria acima de 90%, porque são as com maior chance de apresentarem morfologia normal. Como pode ser visto na Fig. 6, cabeças com simetria abaixo de 90% possuem algum tipo de patologia, sobreposição com outras cabeças, ou presença de artefato de técnica que de alguma forma interferem na morfologia espermática, prejudicando dessa forma a segmentação. Os valores obtidos para as medidas apresentadas na Tab. I foram semelhantes aos valores encontrados na Compri– mento (µm) 10,5 9,7 9,2 9,4 9,6 9,4 9,6 9,8 9,6 10 9,5 9,5 9,1 9,6 9,1 9,6 9,3 9,5 9,8 9,5 9,7 10 10 9,1 9,9 9,6 0,32 Largura (µm) 4,9 4,5 4,7 4,7 5,1 4,7 4,5 4,5 4,9 5 4,6 4,6 4,5 4,6 4,9 5,1 4,6 5,2 4,8 4,6 5,1 5,2 5,1 4,8 5 4,8 0,23 literatura, demonstrando que a análise automática pode ser utilizada para análise da morfologia da cabeça. Vale notar que pode haver uma variação nas medidas devido à raça [15], espermatozoide normal ou defeituoso [17] e fatores extrı́nsecos como, por exemplo, má nutrição, traumas e variação da temperatura ambiental, que afetam direta ou indiretamente a espermatogênese. E essas variações são esperadas entre indivı́duos mesmos que estes apresentem fertilidade comprovada [18]. Além disso, os métodos de fixação celular, calibração das imagens digitais, equipamentos e métodos de mensuração podem alterar a conformação ou os valores absolutos das medidas [18]. Alguns estudos relatam a possibilidade de existir uma relação entre a forma da cabeça do espermatozoide e a fertilidade de touros. Animais de maior fertilidade produziriam espermatozoides com cabeças alongadas e afiladas em comparação a touros de menor fertilidade [19]. IV. Conclusão Neste trabalho foi feita a caracterização morfológica das cabeças espermáticas de touros por meio da utilização de técnicas computacionais de processamento e análise de imagem. Com a utilização da análise de imagem computacional foi possı́vel identificar diversas caracterı́sticas da cabeça dos espermatozoides, como área, perı́metro, elongação, comprimento, largura, simetria, textura e entropia. A análise da segmentação automática foi comparada com a segmentação manual, na qual foi possı́vel avaliar a qualidade do método automático. Verificou-se que 85% das X Workshop de Visão Computacional - WVC 2014 273 cabeças detectadas automaticamente apresentam uma boa qualidade de segmentação. As rotinas atuais já estão sendo utilizadas em vários projetos de pesquisa relacionados ao estudo da fertilidade bovina. Como trabalhos futuros pretende-se avaliar em detalhe a importância de cada medida usada (ou combinação de medidas) para definir novos parâmetros de fertilidade espermática. [17] P. d. A. B. Miranda, C. E. dos Santos Fernandes, S. da Silva Moraes, A. R. de Oliveira, S. d. C. P. Lopes, and T. B. Amaral, “Morfometria da cabeça espermática em touros nelore submetidos a deficiência de zinco na dieta,” Embrapa Gado de Corte. Documentos, vol. 147, 2004. [18] D. C. Meldau, “Morfometria do núcleo espermático associada à avaliação histológica testicular em bovinos,” Master’s thesis, Universidade Federal de Mato Grosso do Sul, 2013. [19] G. Freneau, “Aspectos da morfologia espermática em touros,” Rev. Bras. Reprod. Anim, vol. 35, no. 2, pp. 160–170, 2011. Agradecimentos Os autores agradecem ao CNPq, CAPES, FAPEMIG e PROPP-UFU pelo suporte financeiro. Referências [1] P. B. D. Gonçalves, J. R. FIGUEIREDO, and V. J. D. F. FREITAS, Biotécnicas aplicadas à reprodução animal. Editora Roca, 2008. [2] R. Arruda, E. Celeghini, M. Alonso, H. Carvalho, L. Oliveira, J. Nascimento, D. Silva, F. Affonso, K. Lemes, and J. Jaimes, “Métodos de avaliação da morfologia e função espermática: momento atual e desafios futuros,” Revista Brasileira de Reprodução Animal, vol. 35, no. 2, pp. 145–151, 2011. [3] J. M. Soares and M. E. Beletti, “Avaliação da integridade cromatı́nica de espermatozóides de galos (gallus gallus, linnaeus, 1758) de linhagem pesada em duas idades,” Brazilian Journal of Veterinary Research and Animal Science, vol. 43, no. 4, pp. 543– 553, 2006. [4] M. Unanian, Integridade da cromatina: método complementar para avaliação da qualidade do sêmen bovino. Embrapa Recursos Genéticos e Biotecnologia, 2000. [5] M. E. Beletti, L. F. Costa, and M. Viana, “A computational approach to characterization of bovine sperm chromatin alterations,” Biotechnic & Histochemistry, vol. 79, no. 1, pp. 17–23, 2004. [6] C. Freitas-Dell’Aqua, A. Crespilho, F. Papa, and J. D. Junior, “Metodologia de avaliação laboratorial do sêmen congelado bovino,” Rev. Bras. Reprod. Anim, vol. 33, no. 4, pp. 213–222, 2011. [7] A. Contri, C. Valorz, M. Faustini, L. Wegher, and A. Carluccio, “Effect of semen preparation on casa motility results in cryopreserved bull spermatozoa,” Theriogenology, vol. 74, no. 3, pp. 424–435, 2010. [8] C. Garrett and H. Baker, “A new fully automated system for the morphometric analysis of human sperm heads.,” Fertility and sterility, vol. 63, no. 6, pp. 1306–1317, 1995. [9] M. E. Beletti and L. F. Costa, “A systematic approach to multispecies sperm morphometric characterization.,” Analytical and quantitative cytology and histology/the International Academy of Cytology [and] American Society of Cytology, vol. 25, no. 2, pp. 97–107, 2003. [10] J. Verstegen, M. Iguer-Ouada, and K. Onclin, “Computer assisted semen analyzers in andrology research and veterinary practice,” Theriogenology, vol. 57, no. 1, pp. 149–179, 2002. [11] D. Matos, A. Araújo, I. Roberto, and R. Toniolli, “Análise computarizada de espermatozóides: revisão de literatura,” Rev Bras Reprod Anim, vol. 32, no. 4, pp. 225–232, 2008. [12] R. Gonzalez and R. Woods, Digital Image Processing. Prentice Hall - USA, 3 ed., 2008. [13] A. R. Backes, B. A. N. Travençolo, and M. C. Escarpinati, “A derivative based algorithm for image thresholding,” Submetido para publicação, 2014. [14] L. F. Costa and R. M. Cesar Jr, Shape analysis and classification: theory and practice. CRC Press, Inc., 2000. [15] M. E. Beletti, L. F. Costa, and M. P. Viana, “A comparison of morphometric characteristics of sperm from fertile bos taurus and bos indicus bulls in brazil,” Animal reproduction science, vol. 85, no. 1, pp. 105–116, 2005. [16] M. E. Beletti, L. F. Costa, and M. P. Viana, “A spectral framework for sperm shape characterization,” Computers in Biology and Medicine, vol. 35, no. 6, pp. 463–473, 2005. X Workshop de Visão Computacional - WVC 2014 274