Rezumat teza - Facultatea de Electronica, Telecomunicatii si ...
Rezumat teza - Facultatea de Electronica, Telecomunicatii si ... Rezumat teza - Facultatea de Electronica, Telecomunicatii si ...
FACULTATEA DE ELECTRONICĂ TELECOMUNICAŢII ŞI TEHNOLOGIA INFORMAŢIEI REZUMATUL TEZEI DE DOCTORAT ARHITECTURI RECONFIGURABILE PENTRU PRELUCRĂRI DE IMAGINI CU APLICAŢII ÎN PROCESAREA AUTOMATĂ A IMAGINILOR MICROARRAY Ing. Ioan Bogdan BELEAN PREŞEDINTE: - Prof.dr.ing. Gabriel Oltean - Facultatea de Electronică, Telecomunicaţii şi Tehnologia Informaţiei, Universitatea Tehnică din Cluj-Napoca; MEMBRI: - Prof.dr.ing. Monica Borda- conducător ştiinţific, Universitatea Tehnică din Cluj-Napoca; - Prof.dr.ing. Radu Munteanu - referent, Universitatea Tehnică din Cluj-Napoca; - Prof.dr.ing. Alexandru ŞŞŞŞerbănescu–referent, Academia Tehnică Militară Bucureşti; - Prof.dr.ing. Marius Oteşteanu- referent, Universitatea „Politehnica” din Timişoara; - Conf.dr.ing.Romulus Terebeş– referent, Universitatea Tehnică din Cluj- Napoca. 2010
- Page 2 and 3: Cuprins Capitolul 1 Introducere ...
- Page 4 and 5: 1.1 Motivaţia şi obiectivele teze
- Page 6 and 7: Există o multitudine de aplicaţii
- Page 8 and 9: 1.5 Colaborări Cercetările în do
- Page 10 and 11: utilizează două abordări pentru
- Page 12 and 13: În cele ce urmează este propusă
- Page 14 and 15: Principalul avantaj al filtrelor de
- Page 16 and 17: coloanele „MSE X” şi „MSE Y
- Page 18 and 19: Capitolul 3 Arhitecturi reconfigura
- Page 20 and 21: 3.3 Arhitectura reconfigurabilă pe
- Page 22 and 23: propusă livrează secvențial, pix
- Page 24 and 25: îmbunătățire de imagini, adresa
- Page 26 and 27: prelucrarea imaginilor, necesitatea
- Page 28 and 29: unui dispozitiv de dimensiuni mici
- Page 30 and 31: Robinson, A, Sarkans, U, Schulze-Kr
- Page 32: [34] Gómez, P., Díaz, F., Belean,
FACULTATEA DE ELECTRONICĂ TELECOMUNICAŢII ŞI<br />
TEHNOLOGIA INFORMAŢIEI<br />
REZUMATUL TEZEI DE DOCTORAT<br />
ARHITECTURI RECONFIGURABILE PENTRU PRELUCRĂRI<br />
DE IMAGINI CU APLICAŢII ÎN PROCESAREA AUTOMATĂ A<br />
IMAGINILOR MICROARRAY<br />
Ing. Ioan Bogdan BELEAN<br />
PREŞEDINTE: - Prof.dr.ing. Gabriel Oltean - <strong>Facultatea</strong> <strong>de</strong> Electronică,<br />
Telecomunicaţii şi Tehnologia Informaţiei, Univer<strong>si</strong>tatea Tehnică<br />
din Cluj-Napoca;<br />
MEMBRI: - Prof.dr.ing. Monica Borda- conducător ştiinţific, Univer<strong>si</strong>tatea Tehnică<br />
din Cluj-Napoca;<br />
- Prof.dr.ing. Radu Munteanu - referent, Univer<strong>si</strong>tatea Tehnică<br />
din Cluj-Napoca;<br />
- Prof.dr.ing. Alexandru ŞŞŞŞerbănescu–referent, Aca<strong>de</strong>mia Tehnică Militară<br />
Bucureşti;<br />
- Prof.dr.ing. Marius Oteşteanu- referent, Univer<strong>si</strong>tatea „Politehnica” din<br />
Timişoara;<br />
- Conf.dr.ing.Romulus Terebeş– referent, Univer<strong>si</strong>tatea Tehnică din Cluj-<br />
Napoca.<br />
2010
Cuprins<br />
Capitolul 1 Introducere .................................................................................................................... 1<br />
1.1 Motivaţia şi obiectivele tezei ................................................................................................ 2<br />
1.2 Tehnologia microarray .......................................................................................................... 2<br />
1.2.1 Experimentul microarray ............................................................................................... 3<br />
1.3 Circuite FPGA ........................................................................................................................ 4<br />
1.4 Organizarea lucrării ............................................................................................................... 5<br />
1.5 Colaborări ............................................................................................................................... 6<br />
Capitolul 2 Prelucrarea imaginilor microarray ........................................................................... 6<br />
2.1 Etapele prelucrării imaginilor microarray ............................................................................ 7<br />
2.2 Meto<strong>de</strong> propuse pentru prelucrarea automată a imaginilor microarray ............................. 9<br />
2.2.1 Îmbunătățirea imaginilor microarray ............................................................................ 9<br />
2.2.2 Adresarea imaginilor microarray folo<strong>si</strong>nd filtrele <strong>de</strong> şoc .......................................... 10<br />
2.2.3 Filtrul Canny în segmentarea imaginilor microarray ................................................. 12<br />
2.3 Rezultate experimentale ...................................................................................................... 13<br />
Capitolul 3 Arhitecturi reconfigurabile pentru prelucrarea imaginilor microarray .......... 16<br />
3.1 Arhitectura pentru îmbunătățirea imaginilor ..................................................................... 16<br />
3.2 Arhitectura reconfigurabilă pentru calculul profilelor <strong>de</strong> imagini .................................... 17<br />
3.3 Arhitectura reconfigurabilă pentru adresarea imaginilor microarray ............................... 18<br />
3.4 Arhitectura reconfigurabilă pentru segmentarea imaginilor microarray .......................... 19<br />
3.4.1 Implementarea filtrului Canny folo<strong>si</strong>nd arhitectura pentru convoluția imaginilor .. 19<br />
Capitolul 4 Sistem <strong>de</strong> achiziție şi prelucrare automată a imaginilor microarray ................ 20<br />
4.1 Sistem <strong>de</strong> prelucrare automată a imaginilor microarray .................................................... 21<br />
4.1.1 Rezultate experimentale şi resurse hardware folo<strong>si</strong>te ................................................ 22<br />
Capitolul 5 Concluzii, contribuţii şi <strong>de</strong>zvoltări ulterioare ........................................................ 23<br />
5.1 Concluzii............................................................................................................................... 23<br />
5.2 Contribuții ............................................................................................................................ 26<br />
5.3 Dezvoltări ulterioare ............................................................................................................ 26<br />
BIBLIOGRAFIE………………………..………………………………………………………..28<br />
ii
Capitolul 1 Introducere<br />
Teza <strong>de</strong> doctorat reunește domenii precum biologia moleculară, bioinformatica, domeniul<br />
prelucrărilor <strong>de</strong> imagini şi cel al circuitelor digitale în scopul realizării unui <strong>si</strong>stem automat <strong>de</strong><br />
prelucrare a imaginilor genomice microarray. Lucrarea <strong>de</strong> faţă propune astfel un <strong>si</strong>stem ce<br />
inclu<strong>de</strong> arhitecturi reconfigurabile <strong>de</strong>zvoltate folo<strong>si</strong>nd tehnologia FPGA, arhitecturi care<br />
implementează meto<strong>de</strong> şi algoritmi pentru prelucrarea automată a imaginilor microarray. De<br />
asemenea, sunt <strong>de</strong>zvoltate noi meto<strong>de</strong> pentru îmbunătățirea, adresarea şi segmentarea imaginilor<br />
microarray, care vizează automatizarea procesului <strong>de</strong> prelucrare a acestui tip <strong>de</strong> imagini<br />
genomice.<br />
Odată cu <strong>de</strong>scoperirea structurii <strong>de</strong> dublă spirală a moleculei <strong>de</strong> Acid DezoxiriboNucleic<br />
(ADN) <strong>de</strong> către Watson şi Crick, s-au <strong>de</strong>schis noi orizonturi în înțelegerea funcționării<br />
organismului uman şi nu numai. Rolul principal al moleculei <strong>de</strong> ADN este acela <strong>de</strong> a contribui la<br />
formarea proteinelor prin intermediul informațiilor stocate în molecula <strong>de</strong> ADN, sub forma unor<br />
secvențe <strong>de</strong> nucleoti<strong>de</strong>. Aceste secvențe <strong>de</strong> nucleoti<strong>de</strong> ce conțin informații necesare <strong>si</strong>ntezei <strong>de</strong><br />
proteine poartă numele <strong>de</strong> gene. Modul în care informația genetică (gene) contribuie la formarea<br />
unei proteine poartă numele <strong>de</strong> expre<strong>si</strong>e genetică [18].<br />
Cercetările în domeniul biologiei moleculare au fost multă vreme limitate în ceea ce<br />
priveşte <strong>de</strong>terminarea şi cuantizarea expre<strong>si</strong>ei genetice, însă odată cu <strong>de</strong>zvoltarea meto<strong>de</strong>i <strong>de</strong><br />
analiza serială a expre<strong>si</strong>ei genetice (SAGE) [65] şi a tehnologiei microarray [57] se permite<br />
observarea <strong>si</strong>multană a comportamentului a mii <strong>de</strong> gene precum şi i<strong>de</strong>ntificarea funcţiilor<br />
genelor. Tehnologia microarray își are rădăcinile în studiile lui M. Schena [49], şi se bazează pe<br />
crearea <strong>de</strong> microarrayuri ADNc, care reprezintă probe genetice, secvențe <strong>de</strong> ADN complementar<br />
înșiruite pe o lamelă <strong>de</strong> microscop. Altfel spus, probe <strong>de</strong> ADN complementar prelevate din două<br />
surse diferite, spre exemplu dintr-un țesut sănătos şi unul bolnav, sunt etichetate şi înșiruite pe<br />
aceeași suprafață microscopică şi în același timp sunt create condițiile necesare hibridizării<br />
acestora. Prin hibridizare se înţelege tendinţa a două molecule <strong>de</strong> ADN complementar, care au o<br />
structură formată dintr-o <strong>si</strong>ngură spirală, <strong>de</strong> a se uni într-o molecula <strong>de</strong> ADN dublă spirală. În<br />
acest fel, în urma procesului <strong>de</strong> hibridizare, tehnologia microarray compară expre<strong>si</strong>a genetică a<br />
celulelor sănătoase cu cea a celulelor bolnave, <strong>de</strong>terminând şi oferind astfel informații necesare<br />
în scopul înțelegerii şi a <strong>de</strong>terminării genelor implicate în diferite maladii. Acest studiu<br />
comparativ al expre<strong>si</strong>ei genetice realizat prin intermediul tehnologiei microarray este folo<strong>si</strong>t şi în<br />
monitorizarea efectelor mediului şi a medicamentației asupra diferitor genoame [26].<br />
Stadiul actual al cercetărilor în cazul estimării expre<strong>si</strong>ei genetice folo<strong>si</strong>nd tehnologia<br />
microarray presupune parcurgerea experimentului microarray (Cap. 1.1.2), în urma căruia se<br />
obține o imagine microarray. Aceasta este ulterior supusă prelucrării folo<strong>si</strong>nd platformele<br />
software existente (Agilent Feature Extraction Software, GenePix Pro etc.) care utilizează<br />
algoritmi specifici prelucrărilor <strong>de</strong> imagini în ve<strong>de</strong>rea extragerii parametrilor imaginii microarray<br />
[5]. Parametrii obținuți caracterizează expre<strong>si</strong>a genetică a genelor înșiruite pe suprafața<br />
microarray. Este <strong>de</strong> menționat că, întreg proce<strong>de</strong>ul <strong>de</strong> extragere a parametrilor imaginii<br />
microarray implică următoarele: existenţa platformei software <strong>de</strong> prelucrare, implicarea unui bioinformatician<br />
în procesul <strong>de</strong> prelucrare a imaginilor şi nece<strong>si</strong>tatea unui calculator personal pentru<br />
procesarea imaginilor microarray.
1.1 Motivaţia şi obiectivele tezei<br />
Motivația<br />
Nece<strong>si</strong>tatea unei stații <strong>de</strong> lucru, a unei platforme software şi a unui bio-informatician<br />
pentru prelucrarea imaginilor genomice microarray reprezintă un <strong>de</strong>zavantaj în cazul platformelor<br />
software existente <strong>de</strong> prelucrare, atât prin costul ridicat cât şi prin prisma eficienţei scăzute a<br />
prelucrării din perspectiva timpului <strong>de</strong> calcul. Eliminarea intervenției utilizatorului şi<br />
automatizarea procesului <strong>de</strong> prelucrare a imaginilor microarray este astfel un subiect <strong>de</strong>schis în<br />
cercetarea recentă. Dezavantajele anterior menționate introduse <strong>de</strong> platformele software existente<br />
motivează <strong>de</strong>zvoltarea unui <strong>si</strong>stem automat specializat pentru prelucrarea imaginilor microarray,<br />
care să fie caracterizat prin următoarele: să elimine intervenția utilizatorului şi a platformei<br />
software necesare prelucrării, să reducă implicit costurile unui experiment microarray şi să<br />
reducă, <strong>de</strong> asemenea, timpul <strong>de</strong> calcul. În acest scop s-au propus algoritmi noi <strong>de</strong> prelucrare<br />
automată a imaginilor microarray. Pentru a în<strong>de</strong>plini cerințele unui astfel <strong>de</strong> <strong>si</strong>stem automat,<br />
pentru implementarea algoritmilor propuși s-a ales tehnologia FPGA datorită po<strong>si</strong>bilității <strong>de</strong><br />
reconfigurare, a costului redus şi a po<strong>si</strong>bilităților <strong>de</strong> calcul paralel oferite <strong>de</strong> aceasta.<br />
Obiectivele tezei<br />
Principalele obiective ale tezei sunt orientate în două direcții, pe <strong>de</strong> o parte vizează<br />
domeniul prelucrării <strong>de</strong> imagini microarray iar pe <strong>de</strong> altă parte urmăresc proiectarea <strong>de</strong> arhitecturi<br />
logice reconfigurabile. Astfel, în cadrul prelucrării imaginilor microarray, <strong>teza</strong> își propune<br />
următoarele:<br />
- studiul meto<strong>de</strong>lor şi algoritmilor existenți în literatura <strong>de</strong> specialitate şi în cadrul<br />
platformelor software pentru prelucrarea imaginilor microarray;<br />
- <strong>de</strong>zvoltarea <strong>de</strong> noi algoritmi ce vizează în special prelucrarea automată a imaginilor<br />
microarray;<br />
- validarea rezultatelor obținute folo<strong>si</strong>nd algoritmii propuși prin compararea acestora cu<br />
cele livrate <strong>de</strong> platformele software existente.<br />
Odată ce meto<strong>de</strong>le propuse pentru prelucrarea automată a imaginilor microarray sunt<br />
validate, obiectivele următoare sunt:<br />
- <strong>de</strong>zvoltarea <strong>de</strong> arhitecturi reconfigurabile în tehnologie FPGA pentru implementarea<br />
meto<strong>de</strong>lor şi algoritmilor folo<strong>si</strong>ți în scopul procesării automate a imaginilor<br />
microarray, care inclu<strong>de</strong> următoarele etape cla<strong>si</strong>ce în prelucrarea imaginilor<br />
microarray: adresare, segmentare şi extragerea inten<strong>si</strong>tății;<br />
- integrarea arhitecturilor propuse într-un <strong>si</strong>stem încapsulat, sau altfel spus „system on a<br />
chip”, specific prelucrării automate a imaginilor microarray.<br />
1.2 Tehnologia microarray<br />
În domenii precum bioinformatica şi biologia moleculară, tehnologia microarray reprezintă<br />
o nouă abordare pentru <strong>de</strong>terminarea şi cuantizarea expre<strong>si</strong>ei genetice [20]. Prin expre<strong>si</strong>e genetică<br />
se înţelege modul în care informaţia genetică stocată în moleculele ADN (acid <strong>de</strong>oxiribonucleic)<br />
contribuie la formarea unei proteine. Expre<strong>si</strong>a genetică a unei celule <strong>de</strong>termină fenotipul acesteia,<br />
funcţia acesteia şi răspunsul pe care aceasta îl are la acţiunea factorilor externi (mediul,<br />
medicamentaţie etc.). Determinarea expre<strong>si</strong>ei genetice a celulelor bolnave comparativ cu celulele<br />
sănătoase are drept scop înţelegerea patologiei bolii, <strong>de</strong>terminarea genelor implicate în diferite<br />
2
maladii şi oferă indicii în ce priveşte intervenţia terapeutică împotriva bolii respective. În cele ce<br />
urmează sunt <strong>de</strong>scrise noțiuni <strong>de</strong> biologie moleculară necesare înțelegerii tehnologiei microarray<br />
împreună cu experimentul microarray, care stă la baza acestei tehnologii [29].<br />
1.2.1 Experimentul microarray<br />
Tehnologia microarray permite monitorizarea şi cuantizarea expre<strong>si</strong>ei genetice a mii <strong>de</strong><br />
gene în paralel prin înşiruirea <strong>de</strong> probe <strong>de</strong> ADN complementar pe o suprafaţă <strong>de</strong> sticlă<br />
microscopică. Astfel, probe <strong>de</strong> ADNc din celule sănătoase (probe reper) şi probe <strong>de</strong> ADNc din<br />
celule bolnave (probe ţintă) sunt marcate cu etichete fluorescente diferite (cyannine 3 (Cy3 -<br />
ver<strong>de</strong>) – probe reper şi cyannine 5 (Cy5 - roşu) – probe ţintă ) şi sunt imprimate pe aceeaşi<br />
suprafaţă microscopică; suprafaţa cu probe <strong>de</strong> ADNc poartă numele <strong>de</strong> microarray [49]. Mai<br />
apoi, cele două tipuri <strong>de</strong> probe <strong>de</strong> pe suprafaţa microarray-ului sunt supuse unui proces <strong>de</strong><br />
hibridizare care stă la baza experimentului microarray. Hibridizarea se <strong>de</strong>fineşte ca fiind procesul<br />
<strong>de</strong> unire a două molecule <strong>si</strong>mplu-înlănțuite <strong>de</strong> ADN, a căror secvențe <strong>de</strong> nucleoti<strong>de</strong> sunt<br />
complementare, formând o moleculă <strong>de</strong> ADN dublă spirală [60]. Aceasta se datorează celor 4<br />
elemente <strong>de</strong> bază din structura ADN-ului (a<strong>de</strong>nină, timină, guanină, citozină) care au<br />
particularitatea <strong>de</strong> a se uni două câte două prin intermediul legăturilor <strong>de</strong> hidrogen. În urma<br />
acestui proces, folo<strong>si</strong>ndu-ne <strong>de</strong> etichetele fluorescente cu care au fost marcate cele două tipuri <strong>de</strong><br />
celule, pot fi <strong>de</strong>terminate diferenţele care apar între probele ADNc din celulele sănătoase şi cele<br />
din celulele bolnave.<br />
Figura 1.1 Etapele unui experiment microarray<br />
Etapele unui experiment microarray, figura 1.1, au ca rezultat imagini avand o structura<br />
prezentată în figura 1.2, un<strong>de</strong> se pot observa spoturile şi grupurile <strong>de</strong> spoturi ce intră în<br />
componenţa imaginilor. Fiecare spot corespun<strong>de</strong> cantității şi conținutului <strong>de</strong> ADNc prezent în<br />
probele aflate sub investigație. Pentru a obține informații utile folo<strong>si</strong>nd aceste două imagini<br />
rezultate în urma scanării, este necesară compararea spot-urilor microarray dintr-o imagine cu<br />
cele din cea <strong>de</strong>-a doua imagine. Din acest con<strong>si</strong><strong>de</strong>rent, cele două imagini sunt stocate împreună<br />
sub forma unei imagini .tiff, având două canale, unul pentru fiecare marker fluorescent.<br />
Dimen<strong>si</strong>unile unei astfel <strong>de</strong> imaginii, rezultate în urma utilizării tehnologiei Agilent, sunt după<br />
cum urmează: rezoluția 6100x2160x16 bpp, numărul <strong>de</strong> spot-uri 22 000.<br />
Figura 1.2 – Structura imaginilor microarray<br />
3
Există o multitudine <strong>de</strong> aplicaţii ale tehnologiei microarray în domenii precum medicină şi<br />
farmacie. Compararea profilelor <strong>de</strong> expre<strong>si</strong>e genetică furnizează informaţii utile în ce priveşte<br />
înțelegerea organismelor şi a proceselor biologice din punct <strong>de</strong> ve<strong>de</strong>re genetic, în special a<br />
patologiei moleculare în cazul diferitelor boli [5]. Astfel, funcțiile unei celule sunt <strong>de</strong>terminate <strong>de</strong><br />
proteinele produse <strong>de</strong> aceasta, care la rândul lor sunt <strong>si</strong>ntetizate cu ajutorul informației genetice.<br />
Determinarea şi cuantizarea expre<strong>si</strong>ei genetice pentru diferite tipuri <strong>de</strong> țesuturi răspun<strong>de</strong> la<br />
următoarea întrebare: <strong>de</strong> ce celule corespunzătoare unui anumit tip <strong>de</strong> țesut se comportă diferit<br />
faţă <strong>de</strong> celule altor țesuturi?<br />
Cuantizarea expre<strong>si</strong>ei genetice are ca rezultat informații referitoarea la diferențele ce apar<br />
între celulele sănătoase şi cele bolnave, contribuind la înțelegerea diferitor maladii precum<br />
cancerul. Informațiile obținute pot fi folo<strong>si</strong>te ulterior pentru a crea medicamentația necesară<br />
pentru a modifica genele sau proteinele implicate în aceste maladii, fără a cauza şi alte efecte<br />
secundare, oferind o soluție eficientă pentru înlăturarea bolii respective. În concluzie, tehnologia<br />
microarray poate fi folo<strong>si</strong>tă în <strong>si</strong>tuațiile în care expre<strong>si</strong>a genetică nece<strong>si</strong>tă a fi <strong>de</strong>terminată şi<br />
comparată.<br />
1.3 Circuite FPGA<br />
Circuitele FPGA reprezintă o structură bidimen<strong>si</strong>onală <strong>de</strong> blocuri logice, care oferă<br />
utilizatorului po<strong>si</strong>bilitatea <strong>de</strong> a concepe, a programa şi a aduce modificările dorite circuitului său.<br />
Blocurile logice componente sunt reprogramabile, permiţând atât <strong>de</strong>zvoltarea <strong>de</strong> circuite logice<br />
specializate cât şi modificarea funcţionalităţii implementărilor realizate. Pentru programarea<br />
circuitelor FPGA este folo<strong>si</strong>t limbajul <strong>de</strong> <strong>de</strong>scriere hardware HDL (Hardware Description<br />
Language) [21].<br />
Contrar circuitelor logice convenţionale, circuitele logice programabile FPGA permit<br />
<strong>de</strong>zvoltarea <strong>de</strong> arhitecturi specifice diferite prin reprogramarea acestora, folo<strong>si</strong>nd aceela<strong>si</strong> circuit<br />
FPGA. Astfel nu este necesară fabricarea în uzine specializate a arhitecturilor <strong>de</strong>zvoltate pentru a<br />
fi testate, ceea ce duce la reducerea costurilor <strong>de</strong> producție. Acesta este un principal avantaj al<br />
circuitelor FPGA, folo<strong>si</strong>t pentru implementarea <strong>de</strong> noi arhitecturi şi <strong>de</strong> circuite logice specializate<br />
VLSI (Very Large Scale Integration). De asemenea, este <strong>de</strong> menţionat timpul scurt <strong>de</strong> ieşire pe<br />
piaţă a acestora, ceea ce favorizează <strong>de</strong>zvoltarea <strong>de</strong> circuite logice digitale în domenii a căror<br />
evoluţie se face rapid <strong>de</strong> la o etapă la alta. Un alt avantaj major este reducerea semnificativă a<br />
ciclului <strong>de</strong> proiectare şi producție a circuitelor logice specializate, ceea ce a făcut ca în ultimii<br />
ani, utilizarea circuitelor FPGA să fie răspândită pe scară largă. Implementările arhitecturilor<br />
hardware pentru prelucrarea imaginilor microarray cuprinse în lucrarea <strong>de</strong> faţă sunt realizate cu<br />
circuite logice FPGA [44]. Avantajele oferite <strong>de</strong> tehnologia FPGA în proiectarea circuitelor<br />
logice specializate, aduc în prim plan o nouă abordare în prelucrarea <strong>de</strong> imagini în general şi în<br />
prelucrarea imaginilor microarray în special. Aceasta constă în implementarea <strong>de</strong> arhitecturi<br />
hardware pentru algoritmi specifici prelucrărilor <strong>de</strong> imagini. Arhitecturile hardware vizează<br />
utilizarea capacităţilor <strong>de</strong> calcul paralel ale tehnologiei FPGA, dintre care menţionăm accesul<br />
concurent la sute <strong>de</strong> locaţii <strong>de</strong> memorie, în scopul reducerii timpului <strong>de</strong> calcul necesari<br />
algoritmilor specifici prelucrării imaginilor. În acest fel, se va urmări exploatarea celor două<br />
forme <strong>de</strong> paralelism, temporal şi spaţial, în implementarea <strong>de</strong> arhitecturi hardware pentru<br />
algoritmi specifici prelucrării automate a imaginilor microarray. În această manieră, cantitatea<br />
vastă <strong>de</strong> informaţie conţinută în imaginile microarray nu mai este un impediment în procesare.<br />
Alături <strong>de</strong> paralelismul temporal şi spaţial sunt folo<strong>si</strong>te şi alte tehnici în prelucrarea imaginilor<br />
4
pentru a exclu<strong>de</strong> nece<strong>si</strong>tatea utilizării unei unităţi aritmetice logice. Astfel, pentru implementarea<br />
unor funcţii logice mai complexe precum extragerea radicalului sau logaritm sunt folo<strong>si</strong>te<br />
tabelele LUT (Look Up Table). Această abordare care implică utilizarea <strong>de</strong> circuite specializate<br />
în prelucrarea imaginilor este un prim pas în <strong>de</strong>zvoltarea unui <strong>si</strong>stem automat <strong>de</strong> prelucrare a<br />
imaginilor microarray care să excludă nece<strong>si</strong>tatea unui stații <strong>de</strong> lucru şi a unui bio-informatician<br />
în prelucrare. Fiind reprogramabilă şi <strong>de</strong> asemenea eficientă atât ca şi cost cât şi ca implementare,<br />
oferind po<strong>si</strong>bilități <strong>de</strong> calcul paralel, tehnologia FPGA a fost aleasă pentru implementarea <strong>de</strong><br />
arhitecturi hardware pentru prelucrarea automată a imaginilor microarray.<br />
1.4 Organizarea lucrării<br />
Teza <strong>de</strong> doctorat <strong>si</strong>ntetizează activitatea mea <strong>de</strong> cercetare în domeniul prelucrării<br />
imaginilor genomice şi al proiectării arhitecturilor reconfigurabile în cadrul <strong>si</strong>stemelor digitale.<br />
Lucrarea este organizată în 5 capitole, primul dintre ele reprezentând <strong>de</strong>scrierea domeniilor în<br />
care se încadrează tema tezei. Cel <strong>de</strong>-al doilea capitol tratează prelucrarea imaginilor microarray,<br />
iar capitolele 3 şi 4 prezintă arhitecturi reconfigurabile pentru prelucrarea imaginilor microarray<br />
integrate într-un <strong>si</strong>stem încapsulat <strong>de</strong>dicat acestui tip <strong>de</strong> prelucrări <strong>de</strong> imagini. În capitolul final<br />
sunt prezentate concluziile şi po<strong>si</strong>bilele <strong>de</strong>zvoltări ulterioare.<br />
Capitolul 1 începe prin <strong>de</strong>scrierea temei şi a obiectivelor urmărite pe parcursul tezei. De<br />
asemenea sunt prezentate succint domeniile <strong>de</strong> interes, cel al tehnologiei microarray şi al<br />
circuitelor FPGA utilizate în <strong>de</strong>zvoltarea arhitecturilor propuse pentru prelucrarea automată a<br />
imaginilor microarray. Sunt <strong>de</strong>scrise aici şi noțiuni <strong>de</strong> biologie moleculară necesare înțelegerii<br />
tehnologiei microarray şi a rolului pe care aceasta îl are în cuantizarea expre<strong>si</strong>ei genetice.<br />
Capitolul 2 este <strong>de</strong>dicat prelucrării imaginilor microarray. Sunt prezentate meto<strong>de</strong>le şi<br />
algoritmii folo<strong>si</strong>ți <strong>de</strong> platformele software existente în prelucrarea imaginilor microarray. De<br />
asemenea, sunt propuși noi meto<strong>de</strong> şi algoritmi în cadrul etapelor specifice <strong>de</strong> prelucrare a<br />
imaginilor microarray: îmbunătățire <strong>de</strong> imagini, adresare şi segmentare. Rezultatele obținute <strong>de</strong><br />
noile meto<strong>de</strong> şi algoritmi propuși pentru automatizarea prelucrării imaginilor microarray sunt<br />
comparate cu cele obținute <strong>de</strong> platformele software existente, pentru același set <strong>de</strong> imagini<br />
microarray.<br />
Capitolul 3 propune arhitecturi logice reconfigurabile, <strong>si</strong>ntetizate folo<strong>si</strong>nd limbajul <strong>de</strong><br />
<strong>de</strong>scriere logică HDL, care implementează algoritmi pentru îmbunătățirea imaginilor microarray,<br />
pentru calculul profilelor imaginilor, pentru adresarea şi pentru segmentarea imaginilor<br />
microarray, în ve<strong>de</strong>rea extragerii parametrilor caracteristici necesari în cuantizarea expre<strong>si</strong>ei<br />
genetice. Arhitecturile sunt testate şi <strong>si</strong>mulate folo<strong>si</strong>nd platforma software Mo<strong>de</strong>lSim, rezultatele<br />
fiind <strong>de</strong> asemenea prezentate în capitolul curent. Algoritmii implementați <strong>de</strong>scriu un lanț <strong>de</strong><br />
procesare automată a imaginilor genomice microarray.<br />
Capitolul 4 integrează arhitecturile logice reconfigurabile <strong>de</strong>zvoltate într-un <strong>si</strong>stem<br />
încapsulat, <strong>de</strong>dicat prelucrării automate a imaginilor microarray. Platforma hardware utilizată<br />
pentru <strong>de</strong>zvoltarea <strong>si</strong>stemului propus este Virtex5. Rezultatele obținute în ceea ce privește timpul<br />
<strong>de</strong> calcul al <strong>si</strong>stemului încapsulat sunt comparate cu cele obținute folo<strong>si</strong>nd un calculator personal<br />
pentru implementarea lanțului <strong>de</strong> prelucrare automată a imaginilor microarray. De asemenea,<br />
capitolul 4 propune un dispozitiv pentru scanarea lamelei microarray şi prelucrarea imaginilor<br />
obținute folo<strong>si</strong>nd <strong>si</strong>stemul încapsulat <strong>de</strong>dicat prelucrării automate a imaginilor microarray.<br />
Capitolul 5 este <strong>de</strong>dicat concluziilor şi contribuțiilor personale ce se regăsesc pe parcursul<br />
tezei, fiind specificate <strong>de</strong> asemenea şi obiectivele propuse pentru cercetări viitoare.<br />
5
1.5 Colaborări<br />
Cercetările în domeniul prelucrării imaginilor microarray au <strong>de</strong>butat prin intermediul unei<br />
mobilităţi SOCRATES ERASMUS în perioada 20.02.2005 – 20.05.2005, în Madrid (Spania) la<br />
Univer<strong>si</strong>tatea Politehnica din Madrid, în ve<strong>de</strong>rea elaborării proiectului <strong>de</strong> diplomă „Microarray<br />
image proces<strong>si</strong>ng algorithm implemented on FPGA” sub îndrumarea doamnei profesoare Monica<br />
Borda şi a domnului profesor Pedro Gomez.<br />
Formarea mea ca cercetător în domeniul prelucrărilor <strong>de</strong> imagini microarray şi al<br />
proiectării circuitelor digitale s-a concretizat prin intermediul proiectului <strong>de</strong> cercetare PN II IDEI<br />
cod 909, nr. 332/2007 condus <strong>de</strong> doamna prof. dr. ing. Monica Borda, în cadrul căruia am fost<br />
membru permanent pe perioada 1.10.2007 – 31.09.2010. De asemenea, pe perioada stagiului<br />
doctoral 1.10.2007 – 31.09.2010 am beneficiat <strong>de</strong> o bursa BD, acordata <strong>de</strong> CNCSIS obținuta prin<br />
concurs.<br />
Activitatea <strong>de</strong> cercetare in domeniul proiectării circuitelor digitale folo<strong>si</strong>nd tehnologia<br />
FPGA a fost susținută <strong>de</strong> bursa <strong>de</strong> perfecționare din cadrul laboratorul IMS (Intégration <strong>de</strong>s<br />
Matériaux au Systèmes), al Univer<strong>si</strong>tăţii Bor<strong>de</strong>aux 1, Franța, oferita <strong>de</strong> Agenția Univer<strong>si</strong>tara a<br />
Francofoniei pentru perioada 15.01.2010 – 15.03.2010, in urma unui concurs. Prin intermediul<br />
acesteia s-a inițiat o colaborare între laboratorul IMS, Univer<strong>si</strong>tatea Bor<strong>de</strong>aux 1, Franța şi<br />
Univer<strong>si</strong>tatea Tehnică din Cluj Napoca.<br />
Capitolul 2 Prelucrarea imaginilor microarray<br />
Prelucrarea imaginilor microarray urmărește extragerea informațiilor conținute în imaginile<br />
microarray şi are ca obiective principale <strong>de</strong>tecţia locaţiei fiecărui spot, <strong>de</strong>terminarea inten<strong>si</strong>tăţii<br />
acestora şi în acelaşi timp <strong>de</strong>terminarea inten<strong>si</strong>tăţii zonei <strong>de</strong> fundal din vecinătatea fiecărui spot.<br />
În cadrul unui experiment microarray, aceste obiective sunt realizate cu ajutorul tehnicilor<br />
specifice prelucrării <strong>de</strong> imagini. Diferiţi producători <strong>de</strong> microarray, pun la dispoziţia utilizatorului<br />
atât scannere pentru obţinerea imaginilor microarray cât şi platforme soft pentru prelucrarea<br />
acestor imagini. Cele mai cunoscute platforme software pentru prelucrarea imaginilor microarray<br />
sunt GenePix Pro (Molecular Devices, Inc.), ImaGene (Biodiscovery, Inc.), SpotFin<strong>de</strong>r<br />
(Affymetrix, Inc [2]) şi Feature Extraction (Agilent, Inc.). Aceste platforme includ algoritmi<br />
specifici <strong>de</strong> prelucrare a imaginilor microarray, care urmăresc etapele cla<strong>si</strong>ce în prelucrarea<br />
imaginilor microarray: adresarea, segmentarea imaginilor iar pe baza acestora extragerea<br />
inten<strong>si</strong>tăţii spot-urilor şi a zonei <strong>de</strong> fundal. Rezultatele obținute în urma prelucrărilor sunt livrate<br />
unor utilitare software precum Agilent GeneSpring, cu rolul <strong>de</strong> a <strong>de</strong>termina semnificația biomedicală<br />
a rezultatelor obținute.<br />
Platformele software existente rezolvă problema extragerii informaţiilor din imaginile<br />
microarray, dar aduc cu <strong>si</strong>ne o serie <strong>de</strong> <strong>de</strong>zavantaje. Astfel, utilizarea acestora implică pe lângă<br />
nece<strong>si</strong>tatea unei staţii <strong>de</strong> lucru, şi supravegherea întregului proces al analizei imaginilor<br />
microarray <strong>de</strong> către un bio-informatician. Acest fapt duce la un cost ridicat al procesului <strong>de</strong><br />
analiză a imaginilor. Totodată, durata analizei imaginilor microarray poate fi un inconvenient în<br />
cazul în care este necesar un număr ridicat <strong>de</strong> analize microarray. Lucrarea <strong>de</strong> faţă este orientată<br />
spre îmbunătățirea tehnicilor şi algoritmilor specifici prelucrărilor <strong>de</strong> imagini în ve<strong>de</strong>rea<br />
automatizării procesului <strong>de</strong> prelucrare a imaginilor microarray.<br />
6
2.1 Etapele prelucrării imaginilor microarray<br />
Preprocesarea imaginilor microarray<br />
Imaginile microarray sunt în mare măsură afectate <strong>de</strong> zgomot, astfel că înainte <strong>de</strong><br />
procesare, este <strong>de</strong> dorit aplicarea unor filtre şi transformări care să reducă zgomotul şi să<br />
accentueze informația utilă. Rolul preprocesării în prelucrarea imaginilor microarray este tocmai<br />
acela <strong>de</strong> a îmbunătăți calitatea imaginii.<br />
În cazul imaginilor microarray, este frecvent întâlnită <strong>si</strong>tuația în care spot-urile<br />
microarray sunt slab exprimate, astfel, atât în literatura <strong>de</strong> specialitate cât şi în cazul platformelor<br />
software existente, asupra imaginii microarray se aplică o transformare logaritmică, pentru<br />
evi<strong>de</strong>nțierea acestor spot-uri slab exprimate [9]. Aceasta este o transformare spațială, astfel<br />
asupra inten<strong>si</strong>tății fiecărui pixel I0(x,y) al imaginii <strong>de</strong> intrare se aplică transformarea <strong>de</strong>finită <strong>de</strong><br />
ecuația (1), un<strong>de</strong> n reprezintă numărul <strong>de</strong> biți pe care este reprezentată inten<strong>si</strong>tatea pixelilor.<br />
ln( I ( x,<br />
y)<br />
1)<br />
n<br />
I L ( x,<br />
y)<br />
0 +<br />
= ⋅ 2<br />
(1)<br />
n<br />
ln 2<br />
Următorul pas în preprocesare este îmbunătățirea contrastului imaginii obținute după<br />
transformarea logaritmică. Ajustarea contrastului se poate realiza prin scalarea inten<strong>si</strong>tății<br />
fiecărui pixel folo<strong>si</strong>nd formula ecuația (2).<br />
b − a<br />
I N ( x,<br />
y)<br />
= ⋅ ( I L − min) + a<br />
(2)<br />
max−<br />
min<br />
un<strong>de</strong> în este noua inten<strong>si</strong>tate a pixelului (x,y), min şi max inten<strong>si</strong>tatea minima respectiv maximă<br />
din imagine, iar a şi b reprezintă noua inten<strong>si</strong>tate minima respectiv maximă obținute după<br />
scalare.<br />
O altă transformare care să înlăture influenţa spot-urilor slab exprimate este prezentată în<br />
cele ce urmează. I<strong>de</strong>ea <strong>de</strong> bază, prezentată în [15], constă în realizarea unei transformări care<br />
introduce benzi verticale şi orizontale care radiază în jurul spot-urilor. Pentru a accentua<br />
imaginea în jurul spoturilor filtrul aplicat este <strong>de</strong>scris <strong>de</strong> ecuația (3).<br />
Adresarea imaginilor microarray<br />
λx<br />
+ λy<br />
I x y<br />
IQ<br />
=<br />
0 ( , )<br />
un<strong>de</strong><br />
λx<br />
+ λy<br />
(3)<br />
=<br />
−1<br />
⋅ ∑<br />
= 0 0<br />
1<br />
λ x<br />
şi =<br />
1 Y<br />
−1<br />
I ( x,<br />
n)<br />
⋅ ∑<br />
y n<br />
= 0 0<br />
1<br />
λ y<br />
1 X<br />
I ( n,<br />
y)<br />
x n<br />
(4)<br />
Prima etapă din cadrul prelucrării imaginilor microarray este adresarea sau altfel spus<br />
alinierea grid-ului, al cărei obiectiv principal este <strong>de</strong>terminarea locaţiilor fiecărui spot din<br />
imaginea microarray. Aceasta presupune <strong>de</strong>terminarea unui set <strong>de</strong> linii orizontale şi verticale (ce<br />
poartă <strong>de</strong>numirea <strong>de</strong> grid), care, suprapuse peste imaginea microarray, <strong>de</strong>scrie o matrice<br />
bidimen<strong>si</strong>onală <strong>de</strong> spoturi, încadrând fiecare spot într-un pătrat. Platformele software existente<br />
7
utilizează două abordări pentru adresare (alinierea grid-ului): prima se bazează pe un şablon<br />
suprapus peste imaginea microarray, iar cea <strong>de</strong>-a doua se foloseşte <strong>de</strong> conţinutul imaginii pentru<br />
adresarea spot-urilor.<br />
În cazul utilizării şabloanelor pentru adresare, este necesară cunoaşterea apriori a<br />
următorilor parametrii: numărul <strong>de</strong> spot-uri din imagine, dimen<strong>si</strong>unea spot-urilor şi distanţa<br />
dintre spot-uri pentru <strong>de</strong>finirea şablonului. Şablonul astfel <strong>de</strong>finit este suprapus peste imagine, iar<br />
parametrii anterior menţionaţi sunt ajustaţi astfel încât şablonul să încadreze fiecare spot într-o<br />
suprafaţă pătratică. Platformele GenePix Pro şi Feature Extraction utilizează această tehnică<br />
pentru adresarea spoturilor, dispunând şi <strong>de</strong> meto<strong>de</strong> <strong>de</strong> ajustare automată a şabloanelor. Cu toate<br />
acestea, dat fiind faptul că există diferite tipuri <strong>de</strong> imagini microarray, procesul <strong>de</strong> adresare nu<br />
este automat, fiind necesar <strong>de</strong>finirea şabloanelor pentru fiecare tip <strong>de</strong> imagine.<br />
Cea <strong>de</strong>-a doua abordare pentru adresarea spot-urilor se foloseşte <strong>de</strong> conţinutul imaginii<br />
microarray şi este întâlnită la toate platformele software existente. Pentru platformele GenePix şi<br />
Agilent abordarea este folo<strong>si</strong>tă în cazul în care nu există <strong>de</strong>finite șabloane. Astfel, însumând<br />
inten<strong>si</strong>tăţile pixelilor pe linii şi pe coloane, se obţin vectorii proiecţiilor pe verticală VP (5) şi<br />
orizontală HP (6) a imaginii microarray.<br />
1 Y −1<br />
VP ( x)<br />
= ∑ I(<br />
x,<br />
y)<br />
(5)<br />
Y y=<br />
0<br />
1 X −1<br />
HP ( y)<br />
= ∑ I ( x,<br />
y)<br />
(6)<br />
X x=<br />
0<br />
un<strong>de</strong> I(x, y) este imaginea microarray, X (înălţimea) şi Y (lăţimea) sunt dimen<strong>si</strong>unile imaginii, y =<br />
0, 1,...,Y-1 şi x = 0,1,…,X-1.<br />
Pe baza analizei acestor proiecţii unidimen<strong>si</strong>onale, se <strong>de</strong>termină extremele locale care<br />
reprezintă locaţia centrelor spot-urilor microarray. Din cauza iregularităţii profilelor,<br />
autocorelaţia este folo<strong>si</strong>tă ulterior pentru <strong>de</strong>terminarea dimen<strong>si</strong>unii spot-urilor şi a distanţei dintre<br />
acestea.<br />
Segmentarea imaginilor microarray<br />
Această etapă <strong>de</strong> prelucrare a imaginilor microarray vizează separarea pixelilor ce aparțin<br />
spot-ului microarray <strong>de</strong> cei ce constituie fundalul local din vecinătatea spot-ului. În prelucrarea<br />
cla<strong>si</strong>că a imaginilor microarray există următoarele abordări pentru segmentarea imaginilor<br />
microarray: abordare bazată pe şabloane şi abordare bazată pe conţinutul imaginii microarray (pe<br />
inten<strong>si</strong>tatea pixelilor din imagine) [13]. Referitor la prima abordare, există un şablon oferit <strong>de</strong><br />
producători care suprapus peste imaginea microarray, <strong>de</strong>fineşte zonele corespunzătoare<br />
spoturilor, separându-le <strong>de</strong> fundalul imaginii. Diferite platforme soft folosesc diferite strategii<br />
pentru <strong>de</strong>finirea şabloanelor, ilustrate în figura 2.1 [19]; ScanAlyze foloseşte pixelii ce se găsesc<br />
între zona care <strong>de</strong>fineşte spot-ul microarray şi regiunea marcată cu un pătrat punctat ca fiind<br />
reprezentativi pentru <strong>de</strong>finirea fundalului local, ArrayVi<strong>si</strong>on con<strong>si</strong><strong>de</strong>ră o suprafaţă <strong>de</strong>finită <strong>de</strong><br />
două cercuri ca fiind informaţie <strong>de</strong> fundal local, iar GenePix estimează fundalul bazându-se pe<br />
pixelii ce se regăsesc în zonele <strong>de</strong> forma unor romburi. Această abordare nece<strong>si</strong>tă şabloane<br />
diferite pentru fiecare producător <strong>de</strong> microarray, astfel abordarea nu oferă generalitate şi eşuează<br />
în cazul spot-urilor cu raze diferite.<br />
8
Figura 2.1 Meto<strong>de</strong> <strong>de</strong> segmentare a imaginilor microarray. a) Meto<strong>de</strong> utilizate <strong>de</strong> platformele software existente; b)<br />
Meto<strong>de</strong> propuse pentru segmentare.<br />
Cea <strong>de</strong>-a doua abordare se bazează pe tehnici specifice prelucrării <strong>de</strong> imagini. Vor fi<br />
<strong>de</strong>scrise astfel, meto<strong>de</strong> şi algoritmi <strong>de</strong> segmentare care sunt folo<strong>si</strong>te în cadrul prelucrării<br />
imaginilor microarray, printre care amintim „see<strong>de</strong>d region growing”, segmentare morfologică şi<br />
contururi active.<br />
Extragerea inten<strong>si</strong>tății şi măsuri <strong>de</strong> calitate<br />
Marea provocare în analiza informațiilor genetice livrate <strong>de</strong> analizele microarray este <strong>de</strong> a<br />
obține rezultate <strong>de</strong> încre<strong>de</strong>re în urma procesării <strong>de</strong> imagini. Platforma software produsă <strong>de</strong><br />
Agilent conține meto<strong>de</strong> şi algoritmi pentru procesarea imaginilor microarray. Aceasta <strong>de</strong>termină<br />
locațiile tuturor spoturilor şi grupurilor <strong>de</strong> spoturi, <strong>de</strong>termină caracteristicile fiecărui spot, elimină<br />
informația neconclu<strong>de</strong>ntă şi realizează rapoarte statistice <strong>de</strong> încre<strong>de</strong>re. FE este o componentă care<br />
integrează astfel tehnologii complementare oferind rezultate compatibile cu platforme software<br />
precum Genespring GX, Genespring Workgroup, softul DNA <strong>de</strong> Analytics, şi pentru aplicaţiile<br />
<strong>de</strong> analiza microarray Rosetta Resolver. Aceste caracteristici fac din Feature Extraction o<br />
platformă <strong>de</strong> încre<strong>de</strong>re pentru validarea rezultatelor. Astfel vor fi utilizaţi aceeaşi i<strong>de</strong>ntificatorii şi<br />
rapoartele <strong>de</strong> calitate pentru compararea rezultatelor obținute cu ajutorul algoritmilor propuși<br />
pentru prelucrarea automată a imaginilor microarray cu rezultatele livrate <strong>de</strong> platforma Feature<br />
Extraction pentru diferite experimente microarray. Rezultatele livrate <strong>de</strong> Feature Extraction sunt<br />
preluate din baza <strong>de</strong> date publică GEO (Gene Expres<strong>si</strong>on Omnibus).<br />
2.2 Meto<strong>de</strong> propuse pentru prelucrarea automată a imaginilor<br />
microarray<br />
2.2.1 Îmbunătățirea imaginilor microarray<br />
Este bine cunoscut faptul că în cazul imaginilor microarray se întâlnesc foarte multe spoturi<br />
slab exprimate, sau altfel spus spot-uri care au valori ale inten<strong>si</strong>tăţii pixelilor foarte apropiate<br />
<strong>de</strong> valorile fundalului. Astfel <strong>de</strong> spot-uri fac impo<strong>si</strong>bilă adresarea şi pot duce chiar la pier<strong>de</strong>rea<br />
informaţiilor, astfel că este nevoie <strong>de</strong> o metodă <strong>de</strong> accentuare a spoturilor slab exprimate.<br />
O transformare cu bune rezultate care în<strong>de</strong>părtează acest neajuns este una <strong>de</strong> tip<br />
logaritmic. Ea este cel mai <strong>de</strong>s folo<strong>si</strong>tă în imaginile microarray şi este <strong>de</strong>scrisă <strong>de</strong> ecuația (7).<br />
I = c ⋅ln(<br />
I0<br />
+ 1)<br />
(7)<br />
9
În cele ce urmează este propusă o nouă metodă <strong>de</strong> îmbunătățire a imaginilor microarray,<br />
şi anume transformarea arc-tangentă hiperbolică IA, ecuaţia (8), care este comparată cu metoda<br />
bazată pe transformări logaritmice IL, ecuaţia (9). Menționăm că ambele meto<strong>de</strong> implică<br />
transformări spațiale, altfel spus, atât transformarea propusă cât şi cea logaritmică se aplică pe<br />
inten<strong>si</strong>tatea luminoasă a fiecărui pixel (x, y).<br />
ln( I ( x,<br />
y)<br />
1)<br />
n<br />
I L ( x,<br />
y)<br />
0 +<br />
⋅ 2<br />
n<br />
ln 2<br />
= (8)<br />
⎧ n I(<br />
x,<br />
y)<br />
− k<br />
⎪2<br />
atgh(<br />
)<br />
k + 1<br />
⎪<br />
, I(<br />
x,<br />
y)<br />
k;<br />
⎪<br />
n<br />
⎪<br />
2 −1<br />
atgh(<br />
)<br />
⎪<br />
n<br />
⎩ 2<br />
Figura 2.2 Transformări pentru îmbunătățirea imaginilor microarray: a) imagine originală, b) imagine rezultată<br />
după transformarea atanh, c) imagine rezultată după transformarea logaritmică.<br />
În figura 2.2 sunt prezentate rezultatele obținute în urma celor două transformări aplicate<br />
pe o secțiune a unei imagini microarray. Se poate observa o mai bună evi<strong>de</strong>nțierea a spot-urilor<br />
în cazul utilizării transformării arc-tangent hiperbolic, datorată faptului că transformarea propusă<br />
tratează diferit pixeli <strong>de</strong> fundal faţă <strong>de</strong> cei reprezentând informația utilă, adică inten<strong>si</strong>tatea spoturilor<br />
microarray. Astfel fundalul este atenuat, în timp ce inten<strong>si</strong>tățile spot-urilor sunt<br />
inten<strong>si</strong>ficate.<br />
2.2.2 Adresarea imaginilor microarray folo<strong>si</strong>nd filtrele <strong>de</strong> şoc<br />
În acest paragraf este <strong>de</strong>scris principiul filtrelor <strong>de</strong> şoc, folo<strong>si</strong>t pentru prima dată în<br />
prelucrarea imaginilor microarray. În domeniul prelucrării <strong>de</strong> imagini, filtrele <strong>de</strong> şoc sunt folo<strong>si</strong>te<br />
la îmbunătăţirea şi restaurarea imaginilor <strong>de</strong>gradate. Vizând îmbunătăţirea contururilor în<br />
imagini, Osher şi Rudin propun primul filtru <strong>de</strong> şoc pornind <strong>de</strong> la o ecuaţie hiperbolică [55].<br />
10
Mo<strong>de</strong>lul unidimen<strong>si</strong>onal este <strong>de</strong>scris în (10), un<strong>de</strong> operatorul F trebuie să în<strong>de</strong>plinească<br />
următoarele condiţii: F(0)=0 şi F(s)·<strong>si</strong>gn(s)≥0.<br />
⎧∂U<br />
⎪ + F(<br />
U xx ) U x = 0<br />
⎨ ∂t<br />
⎪<br />
⎩U<br />
( x,<br />
0)<br />
= U0<br />
( x)<br />
Filtrele <strong>de</strong> şoc cla<strong>si</strong>ce utilizează semnul <strong>de</strong>rivatei <strong>de</strong> ordinul 2 a semnalului filtrat ca fiind<br />
operatorul F. Astfel obţinem ecuaţia (11).<br />
(10)<br />
U t = −<strong>si</strong>gne(<br />
U xx ) U x<br />
(11)<br />
Pentru aproximarea mo<strong>de</strong>lului unidimen<strong>si</strong>onal a filtrelor <strong>de</strong> şoc este folo<strong>si</strong>tă următoarea<br />
ecuaţie <strong>de</strong> discretizare (12), cu paşii <strong>de</strong> inprementare în spaţiu şi timp h>0 şi ∆t>0:<br />
un<strong>de</strong>,<br />
n+<br />
1 n<br />
n 2 n<br />
U i = Ui<br />
− Δt<br />
⋅ DU i ⋅ <strong>si</strong>gn(<br />
D U i ) , (12)<br />
n<br />
n n<br />
DU i = m(<br />
Δ + U i , Δ −U<br />
i ) / h<br />
(13)<br />
2 n<br />
n 2<br />
D Ui<br />
= ( Δ+Δ<br />
−Ui<br />
) / h<br />
(14)<br />
m( x,<br />
y)<br />
= [ <strong>si</strong>gn(<br />
x)<br />
+ <strong>si</strong>gn(<br />
y)]<br />
⋅ min( x , y )<br />
(15)<br />
Δ ±<br />
± = ± ( Ui 1 −Ui<br />
)<br />
(16)<br />
Menţionăm că i reprezintă numărul <strong>de</strong> iteraţii necesare, <strong>de</strong>terminat empiric, pentru<br />
evoluţia ecuaţiei discrete (13).<br />
Acest mo<strong>de</strong>l discret al filtrului <strong>de</strong> şoc unidimen<strong>si</strong>onal este aplicat pe profilele orizontal şi<br />
vertical al imaginii microarray, păstrând neschimbate punctele <strong>de</strong> inflexiune în urma filtrării.<br />
Profilul orizontal şi cel vertical se calculează conform ecuaţiilor (17) respectiv (18), un<strong>de</strong> VP<br />
reprezintă profilul vertical, iar HP profilul orizontal, cu I(x, y) fiind imaginea microarray, X<br />
(înălţimea) şi Y (lăţimea) fiind dimen<strong>si</strong>unile imaginii, y = 0, 1,...,Y-1 şi x = 0,1,…,X-1.<br />
1 Y −1<br />
VP ( x)<br />
= ∑ I(<br />
x,<br />
y)<br />
Y y=<br />
0<br />
(17)<br />
1 X −1<br />
HP(<br />
y)<br />
= ∑ I(<br />
x,<br />
y)<br />
X x=<br />
0<br />
(18)<br />
Prin aplicarea filtrelor <strong>de</strong> soc, profilele imaginii evoluează conform ecuaţiei (12), un<strong>de</strong><br />
Uxx reprezintă <strong>de</strong>rivate <strong>de</strong> ordinal 2 a profilului şi Ux <strong>de</strong>rivate <strong>de</strong> ordinal 1. O mai bună<br />
reprezentare a efectului filtrelor <strong>de</strong> şoc se poate observa în fig. 2.3.a, un<strong>de</strong> linia subţire continuă<br />
reprezintă profilul original al imaginii care evoluează în direcţia marcată <strong>de</strong> săgeţi. Rezultatul<br />
este reprezentat <strong>de</strong> linia continuă groasă, în timp ce liniile întrerupte <strong>si</strong>mbolizează paşi<br />
intermediari în evoluţia profilelor.<br />
11
Principalul avantaj al filtrelor <strong>de</strong> şoc este crearea <strong>de</strong> discontinuităţi puternice în zonele<br />
punctelor <strong>de</strong> inflexiune. Determinând astfel punctele <strong>de</strong> inflexiune pentru ambele profile, perechi<br />
<strong>de</strong> linii perpendiculare pot fi trasate pe suprafaţa imaginii microarray după cum este arătat în fig.<br />
2.3.b. Locaţia spot-urilor este <strong>de</strong>terminată ţinând cont <strong>de</strong> colţurile din stânga sus <strong>de</strong> forma<br />
A(2i,2j) şi cele din dreapta jos <strong>de</strong> forma B(2(j+1)+1, 2(i+1)+1). Mai mult, se poate distinge o<br />
regiune corespunzătoare fundalului din vecinătatea spot-ului, regiune <strong>de</strong>limitată <strong>de</strong> 2 pătrate după<br />
cum este arătat pe spotul <strong>de</strong>cupat din fig. 2.3.b. în acest fel, putem afirma că filtrele <strong>de</strong> soc, pe<br />
lângă adresarea spot-urilor, livrează informaţii utile referitoare la segmentarea imaginilor<br />
microarray.<br />
Figura 2.3 Adresarea imaginii microarray pe baza evoluţiei profirelor obţinută în urma aplicării filtrelor <strong>de</strong> şoc<br />
Menţionăm că filtrele <strong>de</strong> şoc nu au fost folo<strong>si</strong>te până la momentul <strong>de</strong> faţă în prelucrarea<br />
imaginilor microarray. Această metodă este validată în termeni <strong>de</strong> generalitate şi eficienţă prin<br />
aplicarea ei pe diferite tipuri <strong>de</strong> imagini microarray provenite <strong>de</strong> la diferiţi producători (Molecular<br />
Devices, Affymetrix şi Agilent) şi compararea rezultatelor obţinute cu cele livrate <strong>de</strong> platformele<br />
software corespunzătoare (GenePix Pro, SpotFin<strong>de</strong>r şi Feature Extraction). Abordarea bazată pe<br />
principiul filtrelor <strong>de</strong> şoc, reprezintă o metodă automată pentru localizarea spot-urilor din<br />
imaginile microarray, locaţia acestora fiind <strong>de</strong>finită <strong>de</strong> o suprafaţă pătratică ce inclu<strong>de</strong> un spot<br />
microarray.<br />
2.2.3 Filtrul Canny în segmentarea imaginilor microarray<br />
Conturul este <strong>de</strong>finit ca locul în care există o puternică diferenţă <strong>de</strong> inten<strong>si</strong>tate într-o<br />
imagine şi reprezintă marginile obiectelor. Detecţia <strong>de</strong> contur este folo<strong>si</strong>tă în segmentarea<br />
imaginilor când se doreşte separarea zonelor corespunzătoare diferitelor obiecte din cadrul<br />
acesteia. De asemenea, reprezentarea unei imagini doar prin contururile obiectelor componente<br />
reduce spaţiul necesar imaginii. În practica contururile se <strong>de</strong>tectează prin aplicarea unor anumite<br />
măşti <strong>de</strong> convoluție. Calculul gradienţilor este <strong>de</strong> asemenea folo<strong>si</strong>t în <strong>de</strong>tecţia <strong>de</strong> contur.<br />
Filtrul Canny s-a dovedit a fi o metodă eficientă în segmentarea imaginilor microarray,<br />
astfel că s-a <strong>de</strong>zvoltat o arhitectură hardware reconfigurabilă pentru implementarea filtrului lui<br />
Canny [53]. Aceasta este prezentată în Capitolul 3. Prin intermediul filtrului Canny, în cazul<br />
imaginilor microarray, informația corespunzătoare spoturilor microarray este <strong>de</strong>terminată, fiind<br />
realizată o separare a pixelilor aparținând spot-urilor <strong>de</strong> cei ce reprezintă fundalul local al<br />
imaginii. în cazul imaginilor prezentate anterior, filtrul Canny s-a aplicat pe întreaga imagine.<br />
12
Este <strong>de</strong> menționat că, utilizarea filtrelor <strong>de</strong> şoc în adresarea imaginilor microarray introduce<br />
informații legate <strong>de</strong> procesul <strong>de</strong> segmentare. Astfel, aceasta abordare oferă po<strong>si</strong>bilitatea aplicării<br />
filtrului Canny pe regiunile corespunzătoare informației utile din cadrul imaginilor microarray,<br />
reducând astfel semnificativ timpul <strong>de</strong> calcul.<br />
2.3 Rezultate experimentale<br />
În acest sub-capitol vor fi prezentate rezultatele obținute <strong>de</strong> tehnicile propuse pentru<br />
adresarea şi segmentarea imaginilor microarray, în comparație cu rezultatele livrate <strong>de</strong><br />
platformele software existente. Pentru început, vor fi ilustrate rezultatele meto<strong>de</strong>lor propuse în<br />
cazul imaginii microarray GSM135599 (22575 spoturi, 16 biți grayscale, două canale) obținută<br />
prin intermediul bazei <strong>de</strong> date publice GEO (Gene Expres<strong>si</strong>on Omnibus). Astfel, în figura 2.4<br />
este prezentat modul în care, folo<strong>si</strong>nd filtre <strong>de</strong> şoc, s-au <strong>de</strong>terminat pozițiile spot-urilor<br />
microarray sunt <strong>de</strong>tectate pentru imaginea GSM135599.<br />
Figura 2.4 – Adresarea imaginilor microarray folo<strong>si</strong>nd filtre <strong>de</strong> soc<br />
În tabelul 1 sunt prezentate comparativ rezultatele obţinute folo<strong>si</strong>nd meto<strong>de</strong>le propuse şi<br />
rezultatele obţinute folo<strong>si</strong>nd platformele software GenePix Pro şi Affymetrix SpotFin<strong>de</strong>r pe<br />
diferite imagini microarray. Numărul <strong>de</strong> i<strong>de</strong>ntificare al experimentului microarray în baza <strong>de</strong> date<br />
publică GEO se regăseşte pe coloana „ID Experiment”. Coloana intitulată „spot-uri omise”<br />
reprezintă numărul <strong>de</strong> spot-uri care nu au fost <strong>de</strong>tectate, iar cea intitulată „spot-uri localizate”<br />
reprezintă procentul <strong>de</strong> spot-uri din imagine microarray con<strong>si</strong><strong>de</strong>rat ca fiind relevant din punctul<br />
<strong>de</strong> ve<strong>de</strong>re al informaţiei genetice conţinute.<br />
În tabelul 2 sunt prezentate comparativ rezultatele obţinute prin metoda propusă şi cele<br />
livrate <strong>de</strong> platforma software Agilent Feature Extraction. Numărul <strong>de</strong> i<strong>de</strong>ntificare al<br />
experimentului microarray în baza <strong>de</strong> date GEO se regăseşte pe coloana „ID Experiment”. Pentru<br />
fiecare imagine microarray, poziţiile spot-urilor (Xi, Yi) sunt <strong>de</strong>terminate folo<strong>si</strong>nd filtrele <strong>de</strong> şoc<br />
ca metodă <strong>de</strong> adresare. De asemenea, pentru aceleaşi imagini, sunt cunoscute locaţiile spot-urile<br />
<strong>de</strong>terminate folo<strong>si</strong>nd Feature Extraction Software (Xi AG ,Yi AG ) (locaţiile obţinute folo<strong>si</strong>nd Agilent<br />
Feature Extraction Software sunt extrase pentru fiecare experiment din baza <strong>de</strong> date GEO). Pe<br />
13
coloanele „MSE X” şi „MSE Y” se găsesc erorile medii pătratice între coordonatele (Xi, Yi) şi<br />
(Xi AG ,Yi AG ) calculate conform (19) şi (20).<br />
MSE<br />
MSE<br />
X<br />
Y<br />
n<br />
1<br />
= ∑( Xi<br />
− X<br />
n<br />
i=<br />
1<br />
n<br />
1<br />
= ∑ ( Yi<br />
−Yi<br />
n<br />
i=<br />
1<br />
AG 2<br />
i )<br />
Tabelul 1. Detecţia spoturilor pe diferite imagini microarray. Comparaţie intre rezultatele obţinute <strong>de</strong><br />
diferite platforme software cu cele obţinute folo<strong>si</strong>nd filtrele <strong>de</strong> şoc pe aceeaşi serie <strong>de</strong> imagini microarray. Imaginile<br />
microarray s-au obţinut prin intermediul bazei <strong>de</strong> date publice GEO (Gene Expres<strong>si</strong>on Omnibus)<br />
ID Experiment<br />
(GEO)<br />
GSM17139 Sacharomyces<br />
cerevi<strong>si</strong>ae<br />
GSM17144 Sacharomyces<br />
cerevi<strong>si</strong>ae<br />
GSM17192 Sacharomyces<br />
cerevi<strong>si</strong>ae<br />
GSM17137 Sacharomyces<br />
cerevi<strong>si</strong>ae<br />
GSM72701 Chicken pituitary<br />
gland<br />
GSM72705 Chicken pituitary<br />
gland<br />
GSM72709 Chicken pituitary<br />
gland<br />
Numele probei Scaner & Platforma<br />
Software<br />
GenePix 4000A &<br />
GenePix Pro<br />
GenePix 4000A &<br />
GenePix Pro<br />
GenePix 4000A &<br />
GenePix Pro<br />
GenePix 4000A &<br />
GenePix Pro<br />
Affymetrix 418 &<br />
SpotFin<strong>de</strong>r<br />
Affymetrix 418 &<br />
SpotFin<strong>de</strong>r<br />
Affymetrix 418 &<br />
SpotFin<strong>de</strong>r<br />
AG<br />
)<br />
2<br />
Rezultate livrate <strong>de</strong> producatori Rezultate obţinute<br />
Spot-uri<br />
omise<br />
Spot-uri<br />
localizate<br />
Spot-uri<br />
omise<br />
(19)<br />
(20)<br />
Spot-uri<br />
localizate<br />
544 91.14% 514 91.63%<br />
436 92.90% 418 93.19%<br />
350 94.30% 387 93.70%<br />
797 87.02% 730 89.40%<br />
Cy3 1402 80.54% 1341 81.37%<br />
Cy5 528 92.66% 506 92.97%<br />
Cy3 1219 83.06% 1258 82.52%<br />
Cy5 576 92% 593 91.76%<br />
Cy3 1349 81.26% 1284 82.16%<br />
Cy5 625 91.31% 591 91.79%<br />
Tabelul 2. Detecția spot-urilor microarray. Comparație între rezultatele obținute şi cele livrate <strong>de</strong> Feature Extraction.<br />
ID Experiment<br />
(GEO)<br />
ID Scaner<br />
Agilent<br />
Eroarea medie pătratica<br />
pentru poziţia spot-urilor<br />
MSE X MSE Y<br />
US45102867_1 11472 0.1056 0.0723<br />
US45102867_2 11868 1.4376 0.5818<br />
US45102867_3 11978 0.0216 0.0028<br />
GSM135595 11978 0.0168 0.9994<br />
GSM135596 11978 0.1603 0.2933<br />
14
În figura 2.5 sunt prezentate comparativ grafice cu rezultatele livrate <strong>de</strong> platforma Agilent<br />
Feature Extraction Software (dreapta) şi rezultate obținute folo<strong>si</strong>nd tehnicile propuse specifice<br />
prelucrării <strong>de</strong> imagini (stânga). Inten<strong>si</strong>tatea mediană a spotului cu valoarea mediană a fundalului<br />
extrasă pentru canalele corespunzătoare etichetelor Cy3 (roșu) şi Cy5 (ver<strong>de</strong>) sunt reprezentate pe<br />
axele X (rBSubMedian) respectiv Y (gBSubMedian). Mai mult, grafice pentru log ratio (logaritm<br />
din raportul inten<strong>si</strong>tăților spot-urilor <strong>de</strong> pe canalul roșu şi cel ver<strong>de</strong> – log(R/G)) în funcție <strong>de</strong> log<br />
processed <strong>si</strong>gnal (logaritm din produsul dintre inten<strong>si</strong>tățile mediane ale spoturilor pe cele două<br />
canale log(R*G)) sunt reprezentate în figura 2.6 pentru rezultatele livrate <strong>de</strong> Agilent Feature<br />
Extraction (dreapta) şi pentru rezultatele obținute folo<strong>si</strong>nd meto<strong>de</strong>le propuse (stânga).<br />
Figura 2.5 - Inten<strong>si</strong>tatea mediană a zonei <strong>de</strong> informație utilă cu inten<strong>si</strong>tatea fundalului extrasă<br />
Figura 2.6 - Grafice <strong>de</strong> tipul MA - Log(R/G) funcție <strong>de</strong> Log(RG)<br />
Rezultatele obținute dove<strong>de</strong>sc că această nouă abordare automată folo<strong>si</strong>nd filtrele <strong>de</strong> soc<br />
pentru adresarea imaginilor microarray este eficientă şi în același timp cu caracter <strong>de</strong> generalitate,<br />
ea fiind aplicată pe diferite imagini microarray. Dezavantajul acestei abordări îl constituie<br />
numărul <strong>de</strong> iterații i ≈ 100, <strong>de</strong>terminat empiric, necesar evoluției profilelor imaginii pentru<br />
<strong>de</strong>terminarea punctelor <strong>de</strong> inflexiune. Arhitectura hardware propusă în capitolul 3.3 rezolvă<br />
problema automatizării procesului <strong>de</strong> <strong>de</strong>tecție a spoturilor microarray şi reduce timpul <strong>de</strong> calcul<br />
necesar iterațiilor în evoluția profilelor. Tehnologia propusă pentru implementarea arhitecturii<br />
este FPGA (Field Programmable Gate Arrays), datorită po<strong>si</strong>bilităților <strong>de</strong> exploatare a<br />
paralelismului temporal şi spațial în implementare.<br />
15
Capitolul 3 Arhitecturi reconfigurabile pentru prelucrarea<br />
imaginilor microarray<br />
În acest capitol sunt prezentate arhitecturile hardware implementate în tehnologie FPGA pentru<br />
fiecare din etapele prelucrării imaginilor microarray: îmbunătățire, adresare şi segmentare. În<br />
<strong>de</strong>zvoltarea acestor arhitecturi s-a folo<strong>si</strong>t paralelismul spațial şi temporal în ve<strong>de</strong>re reducerii<br />
timpului <strong>de</strong> calcul. În <strong>de</strong>scrierea arhitecturilor s-a folo<strong>si</strong>t limbajului <strong>de</strong> <strong>de</strong>scriere hardware VHDL<br />
(Verilog Hardware Description Language), iar <strong>si</strong>n<strong>teza</strong> circuitelor logice <strong>de</strong>scrise în VHDL [21] sa<br />
realizat folo<strong>si</strong>nd platforma software Xilinx ISE. Testarea funcționalității arhitecturilor propuse<br />
s-a făcut prin intermediul platformei <strong>de</strong> <strong>si</strong>mulare Mo<strong>de</strong>lSim.<br />
3.1 Arhitectura pentru îmbunătățirea imaginilor<br />
Strategia aleasă pentru implementarea funcţiei logaritm este aproximarea acesteia prin<br />
segmente <strong>de</strong> dreaptă. Alegem astfel un număr i=1..n <strong>de</strong> frângeri ale funcţiei logaritm notate cu Ai.<br />
Graficul funcţiei este astfel transformat în n segmente <strong>de</strong> dreaptă. Fiecare dreaptă este <strong>de</strong>scrisă <strong>de</strong><br />
ecuaţia corespunzătoare, în funcţie <strong>de</strong> panta acesteia şi un punct <strong>de</strong> pe dreaptă. Ecuaţia unei<br />
drepte d <strong>de</strong>terminată <strong>de</strong> panta m şi un punct <strong>de</strong> pe dreaptă A(x2,y2) este <strong>de</strong>scrisa <strong>de</strong> ecuaţia (21).<br />
y +<br />
2 2 ) ( y x x m b x m − = + ⋅ = (21)<br />
dy y<br />
un<strong>de</strong><br />
1 − y<br />
m = =<br />
2 .<br />
dx x1<br />
− x2<br />
În cele ce urmează va fi <strong>de</strong>scrisă implementarea hardware a transformatei logaritmice<br />
pentru îmbunătăţirea imaginilor microarray, utilizând memorii ROM şi aproximarea liniară a<br />
funcţiei logaritm. O imagine <strong>de</strong> ansamblu a blocului care implementează transformanta mai sus<br />
menţionată se poate observa în figura 3.1.<br />
Figura 3.1 – Arhitectura hardware pentru transformarea logaritmica<br />
Referitor la resursele hardware folo<strong>si</strong>te utilizând cip-ului FPGA xc5vlx110t, se poate<br />
menţiona utilizarea a 2 memorii Block RAM (1%), 4 multiplicatoare pentru calculul luminanţei şi<br />
3 sumatoare pentru livrarea valorilor logaritmilor corespunzători inten<strong>si</strong>tăţilor pixelilor imaginii<br />
la fiecare perioadă <strong>de</strong> ceas TCLK. De asemenea blocurile logice configurabile, CLB –<br />
Configurable Logic Blocks, sunt folo<strong>si</strong>te într-o proporţie mai mică <strong>de</strong> 0.1%. Rezultatele obţinute<br />
subliniază eficienţa unei implementări hardware a transformatei logaritmice atât din punct <strong>de</strong><br />
ve<strong>de</strong>re al timpului <strong>de</strong> calcul cât şi din punct <strong>de</strong> ve<strong>de</strong>re al resurselor hardware utilizate.<br />
16
3.2 Arhitectura reconfigurabilă pentru calculul profilelor <strong>de</strong> imagini<br />
Calculul profilelor orizontal şi vertical este esențial în abordarea propusă pentru adresarea<br />
imaginilor microarray folo<strong>si</strong>nd filtre <strong>de</strong> şoc. Arhitectura propusă se foloseşte <strong>de</strong> rezultatele livrate<br />
<strong>de</strong> blocul anterior <strong>de</strong>scris pentru calculul transformatei logaritmice. Astfel, inten<strong>si</strong>tatea luminoasă<br />
pe YLog(x,y) ce reprezintă ieşirea arhitecturii <strong>de</strong>scrisă în capitolul 3.1 este intrarea arhitecturii<br />
pentru calculul profilelor. Memoriile RAM ΣX şi RAM ΣY şi cele două sumatoare (32 biți) sunt<br />
folo<strong>si</strong>te ca şi acumulatori pentru profilele orizontal şi vertical, în timp ce întreaga imagine este<br />
scanată. Astfel, arhitectura propusă (figura 3.8) însumează datele primate <strong>de</strong> la unitatea <strong>de</strong> calcul<br />
a logaritmului cu datele care se găsesc în memoriile RAM ΣX şi RAM ΣY la adresele menţionate <strong>de</strong><br />
unitatea <strong>de</strong> calcul a adresei “Address Computation Unit”. Datele ce se găsesc în cele două<br />
memorii RAM ΣX şi RAM ΣY în urma parcurgerii întregii imagini microarray reprezintă profilele<br />
imaginii care sunt folo<strong>si</strong>te ulterior în următorii paşi specifici prelucrării imaginilor microarray şi<br />
anume, alinierea grid-ului sau altfel spus adresare, ce are ca scop <strong>de</strong>terminarea locaţiilor spoturilor<br />
microarray.<br />
Blocul logic pentru calculul profilelor este <strong>de</strong>scris în figura 3.2. La ieșirile DataRAM_X şi<br />
DataRAM_Y se află datele ce se scriu în memoriile RAM, memorii care conțin profilele imaginii<br />
procesate.<br />
I(x,y)<br />
RGB<br />
To<br />
Y<br />
Address<br />
Computation<br />
Unit<br />
LOG<br />
X<br />
Y<br />
RAMx<br />
RAMy<br />
Figura 3.2 – Arhitectura pentru calculul profilelor orizontal şi vertical<br />
Această arhitectură reprezintă primul pas în adresarea imaginilor microarray, <strong>de</strong>terminând<br />
profilele imaginii microarray la o <strong>si</strong>ngură parcurgere a imaginii. Rezultatele livrate <strong>de</strong> aceasta<br />
sunt stocate în două memorii distincte şi sunt folo<strong>si</strong>te ulterior <strong>de</strong> filtrele <strong>de</strong> şoc pentru<br />
<strong>de</strong>terminarea locațiilor fiecărui spot.<br />
Tabelul 3. Rezultate în urma <strong>si</strong>ntetizării arhitecturii logice pentru calculul profilelor. Dispozitiv ținta:<br />
Xilinx xc5vlx110t-3-ff1136.<br />
Resurse hardware utilizate<br />
RAMs ROMs Multiplicatoare Sumatoare Numărătoare Registre Comparatoare<br />
4096x32 bit 1 128x12 bit 1 10x9 bit 1 12 bit 1 12 bit 1 1 bit 12 12 bit < 1<br />
8192x32 bit 1 128x20 bit 1 8x8 bit 3 16 bit 2 13 bit 1 12 bit 4 13 bit < 1<br />
20 bit 1 16 bit 4<br />
32 bit 2 19 bit 1<br />
20 bit 1<br />
Nr. total 2 Nr. total 2 Nr. total 4 Nr. total 6 Nr. total 2 Nr. total 22 Nr. total 2<br />
+<br />
+<br />
RAM<br />
ΣX<br />
RAM<br />
ΣY<br />
RAMx<br />
RAMy<br />
Raw<br />
Data<br />
Conv.<br />
Filter<br />
17
3.3 Arhitectura reconfigurabilă pentru adresarea imaginilor microarray<br />
Automatizarea prelucrării imaginilor microarray este un subiect <strong>de</strong>schis în cercetarea<br />
recenta. În capitolul <strong>de</strong> faţă este <strong>de</strong>scrisă implementarea unei arhitecturi hardware pentru<br />
adresarea automată a imaginilor microarray, utilizând tehnologia FPGA împreună cu po<strong>si</strong>bilităţile<br />
<strong>de</strong> procesare paralelă ale acesteia.<br />
Modul <strong>de</strong> funcționare al arhitecturii propuse (figura 3.3) este după cum urmează: profilele<br />
orizontal şi vertical al imaginii microarray sunt con<strong>si</strong><strong>de</strong>rate stocate într-o memorie Block RAM<br />
numită „RAM Profil Imagine”. Acestea sunt împărțite în blocuri <strong>de</strong> dimen<strong>si</strong>une n, aceeași cu<br />
dimen<strong>si</strong>unea registrelor <strong>de</strong> <strong>de</strong>plasare „Registru_1” şi „Registru_2”. Pentru completarea acestor<br />
registre sunt necesare n x Tclk perioa<strong>de</strong> <strong>de</strong> ceas, <strong>de</strong>oarece informația este citită din memoria Block<br />
RAM, iar timpul <strong>de</strong> acces la o locație este 1 x Tclk . La momentul în care „Registrul_1” este<br />
complet, conținutul său este încărcat în paralel în registrul „Ie<strong>si</strong>re (i-1") ”. În timp ce n valori noi<br />
din profilul imaginii sunt încărcate în „Registru_1”, registrele „Ie<strong>si</strong>re (i-1) " şi „Ie<strong>si</strong>re (i) ” folosesc<br />
paralelismul spațial pentru a procesa următoarele:<br />
Loop clk = 1...<br />
n<br />
( i)<br />
( i−1)<br />
( i−1)<br />
( i−1)<br />
( i−1)<br />
( i−1)<br />
r k
- elimină nece<strong>si</strong>tatea unei stații <strong>de</strong> lucru împreună cu platforma software pentru<br />
adresarea imaginilor microarray;<br />
- arhitectura propusă introduce, pe lângă <strong>de</strong>tecția spot-urilor microarray, informații<br />
legate <strong>de</strong> segmentarea imaginilor microarray, separând pentru fiecare spot, zona <strong>de</strong><br />
informație utilă şi cea <strong>de</strong> informație <strong>de</strong> fundal (după cum este arătat în figura 2.13).<br />
- arhitectura hardware se folosește <strong>de</strong> profilele imaginii microarray pentru <strong>de</strong>tectarea<br />
locației spot-urilor, reducând astfel timpul <strong>de</strong> calcul<br />
- utilizarea paralelismului spațial şi temporal în <strong>de</strong>zvoltarea arhitecturii propuse duce la<br />
reducerea timpului <strong>de</strong> calcul; astfel, folo<strong>si</strong>nd arhitectura propusă, obținem un timp <strong>de</strong><br />
(2·n+L)·Tclk pentru aplicarea filtrelor <strong>de</strong> şoc asupra profilului <strong>de</strong> dimen<strong>si</strong>unea L a<br />
imaginii microarray;<br />
Avantajele prezentate <strong>de</strong>scriu arhitectura propusă ca fiind o soluție eficientă pentru<br />
implementarea hardware a filtrelor <strong>de</strong> şoc uni-dimen<strong>si</strong>onale. Tehnologia FPGA, folo<strong>si</strong>tă în<br />
implementare, oferă po<strong>si</strong>bilitatea <strong>de</strong> a exploata paralelismul temporal şi spațial. Drept urmare,<br />
arhitectura propusă reduce timpul <strong>de</strong> calcul necesar filtrelor <strong>de</strong> şoc, aplicate pe profilele imaginii<br />
microarray.<br />
3.4 Arhitectura reconfigurabilă pentru segmentarea imaginilor<br />
microarray<br />
Înainte <strong>de</strong> a <strong>de</strong>scrie implementările hardware propuse pentru segmentarea imaginilor<br />
microarray, menționăm faptul că, filtrele <strong>de</strong> şoc utilizate în adresare introduc şi informații utile<br />
referitoare la procesul <strong>de</strong> segmentare. Astfel, fiecare spot microarray este localizat şi în același<br />
timp încadrat într-o suprafață pătratica. Implicit, procesul <strong>de</strong> segmentare este aplicat asupra<br />
zonelor <strong>de</strong> informație utilă (spot-uri microarray) <strong>de</strong>finite în urma adresării.<br />
Etapele folo<strong>si</strong>te în implementarea filtrului sunt bazate pe operația <strong>de</strong> convoluție, utilizată<br />
în prelucrări <strong>de</strong> imagini. Filtrul Canny implică astfel, aplicarea unui nucleu gaus<strong>si</strong>an pentru<br />
filtrarea imaginii şi calculul gradientului prin diferențierea imaginii pe două direcții ortogonale.<br />
Ultima etapă realizează eliminarea non-maximală a pixelilor care nu constituie parte integrată a<br />
conturului.<br />
3.4.1 Implementarea filtrului Canny folo<strong>si</strong>nd arhitectura pentru convoluția<br />
imaginilor<br />
Convoluția este folo<strong>si</strong>tă pentru implementarea operatorilor care au ca şi ieșire o<br />
combinație liniară a inten<strong>si</strong>tăților pixelilor din imaginea originală. Astfel, fiecare pixel din<br />
imaginea <strong>de</strong> ieșire este obținut prin suprapunerea unei ferestre <strong>de</strong> dimen<strong>si</strong>unea NxM peste<br />
imaginea <strong>de</strong> intrare şi calculul unei combinații liniare între pixelii aflați în fereastra NxM.<br />
Abordarea propusă pentru implementarea hardware a convoluției este următoarea: întreaga<br />
imagine, în cazul nostru un spot microarray, este stocat într-o memorie tampon „Frame buffer”.<br />
Fereastra MxN culisează pe suprafața imaginii, iar la fiecare <strong>de</strong>plasare a acesteia, valorile<br />
inten<strong>si</strong>tăților a MxN pixeli sunt necesare pentru calculul unui pixel din imaginea <strong>de</strong> ieșire.<br />
Constrângerile impuse <strong>de</strong> memorie, fac impo<strong>si</strong>bilă obținerea a MxN valori ale inten<strong>si</strong>tăților într-o<br />
<strong>si</strong>ngură perioadă <strong>de</strong> ceas, astfel se realizează o operație <strong>de</strong> „caching local” după cum urmează: N-<br />
1 rânduri din imagine sunt înregistrate folo<strong>si</strong>nd un registru <strong>de</strong> <strong>de</strong>plasare, ceea ce duce la schema<br />
din figura 3.4. Astfel în schimbul <strong>de</strong>plasării ferestrei MxN pe suprafața imaginii, implementarea<br />
19
propusă livrează secvențial, pixel cu pixel, imaginea ce trebuie a fi procesată (dimen<strong>si</strong>unea<br />
imaginii: width x height) blocului compus din cele N-1 registre <strong>de</strong> <strong>de</strong>plasare.<br />
Figura 3.4 – Arhitectura hardware pentru implementarea operației <strong>de</strong> convoluție (stânga), arhitectura pipeline pentru<br />
filtrul Canny (dreapta)<br />
Table 4. Raport <strong>de</strong> <strong>si</strong>nteză HDL – Filtrul Canny<br />
Raport <strong>de</strong> <strong>si</strong>n<strong>teza</strong> HDL<br />
Nr. Multiplicatoare Nr. Sumatoare Numaratoare Nr. Registre Nr. Comparatoare<br />
(16x8 bit) 9 10 bit 2 7 bit up 3 120 bit 2 7 bit >= 4<br />
24 bit 8 90 bit 4 7 bit < 6<br />
9 bit 3 36 biti 14 9 bit >= 2<br />
9 bit 2 10 biti 5 9 bit > 2<br />
2 biti 13 9 bit
<strong>de</strong>scrise în capitolul prezent. Sistemul propus este menit sa înlăture <strong>de</strong>zavantajele ce apar în cazul<br />
platformelor software existente: intervenția utilizatorului, timpul <strong>de</strong> procesare ridicat şi costul.<br />
Figura 4.1 – Sistem <strong>de</strong> achiziție şi procesare automată a imaginilor microarray<br />
4.1 Sistem <strong>de</strong> prelucrare automată a imaginilor microarray<br />
Arhitecturile hardware propuse în ve<strong>de</strong>rea automatizării şi reducerea costurilor pentru procesul <strong>de</strong><br />
prelucrarea a imaginilor microarray sunt integrate într-un <strong>si</strong>stem încapsulat cu circuite FPGA.<br />
Implementările hardware ale arhitecturilor pentru îmbunătățirea, adresarea şi segmentarea<br />
imaginilor microarray folosesc caracteristicile tehnologiei FPGA, care permit accesarea<br />
<strong>si</strong>multana a mai multor locaţii <strong>de</strong> memorie. într-a<strong>de</strong>văr, tehnologia FPGA oferă po<strong>si</strong>bilitatea <strong>de</strong> a<br />
exploata paralelismul temporal şi spaţial în procesare cu scopul <strong>de</strong> a crea un proces rapid şi<br />
automat care livrează informaţii legate <strong>de</strong> caracteristicile imaginilor microarray. Ca şi consecinţa,<br />
după cum este arătat în [8], tehnologia FPGA este eficientă în prelucrarea imaginilor microarray.<br />
S-a conceput astfel <strong>si</strong>stemul încapsulat cu microprocesor MicroBlaze (figura 4.2.a), care<br />
inclu<strong>de</strong> arhitecturi specifice tehnicilor <strong>de</strong> prelucrare a imaginilor microarray <strong>de</strong>scrise în capitolul<br />
anterior. Pentru implementarea acestuia s-a folo<strong>si</strong>t platforma hardware Virtex5 ML505. Fiecare<br />
din arhitecturile hardware propuse este conectată la magistrala FSL (Fast Simple Link) împreună<br />
cu microprocesorul MicroBlaze 100 MHz. Magistrala FSL este implementată pe baza unei<br />
arhitecturi FIFO <strong>de</strong> intrare (First în First Out) şi una <strong>de</strong> ieşire care realizează comunicaţia între<br />
unităţile <strong>de</strong> procesare (arhitecturi), memorie şi microprocesor. O operaţie <strong>de</strong> scriere în registrul<br />
FIFO <strong>de</strong> intrare a magistralei FSL este realizată <strong>de</strong> microprocesorul MicroBlaze într-o secvenţa<br />
<strong>de</strong> ceas. O operaţie <strong>de</strong> citire transferă conţinutul magistralei FSL (FIFO <strong>de</strong> ieşire) unui registru <strong>de</strong><br />
uz general în 2 secvenţe <strong>de</strong> ceas. Pentru fiecare arhitectură (unitate <strong>de</strong> procesare) conectată la<br />
magistrala FSL datele <strong>de</strong> intrare sunt copiate în registrul FIFO <strong>de</strong> intrare, iar rezultatele sunt<br />
livrate prin intermediul registrului FIFO <strong>de</strong> ieşire. Un controller <strong>de</strong> memorie este implementat<br />
pentru memoria <strong>de</strong> lucru <strong>de</strong> 256 DDRAM. Arhitecturile hardware incluse în <strong>si</strong>stemul anterior<br />
amintit corespund etapelor in<strong>de</strong>pen<strong>de</strong>nte din cadrul prelucrării imaginilor microarray:<br />
21
îmbunătățire <strong>de</strong> imagini, adresare, segmentare. Folo<strong>si</strong>nd paralelismul temporal şi spaţial,<br />
arhitecturile propuse realizează procesarea automata a imaginilor microarray, vizând reducerea<br />
timpilor <strong>de</strong> calcul şi eliminarea intervenţiei utilizatorului din procesul <strong>de</strong> prelucrare a imaginilor<br />
microarray.<br />
FPGA<br />
Virtex 5<br />
Log<br />
Transf.<br />
Calculul<br />
Profilelor<br />
Segmentare<br />
FSL bus<br />
Aliniere<br />
Grid<br />
Controler<br />
Memorie<br />
RAM<br />
256MB<br />
Figura 4.2 – a) Sistem încapsulat pentru prelucrarea automata a imaginilor microarray; b) Timpi <strong>de</strong> calcul pentru<br />
prelucrarea imaginilor microarray pe platformele PC şi Virtex5<br />
4.1.1 Rezultate experimentale şi resurse hardware folo<strong>si</strong>te<br />
Meto<strong>de</strong>le şi algoritmii specifici prelucrărilor <strong>de</strong> imagini propuși pentru automatizarea prelucrării<br />
imaginilor microarray sunt implementați folo<strong>si</strong>nd limbajul <strong>de</strong> <strong>de</strong>scriere logica VHDL. În urma<br />
<strong>si</strong>ntetizării, <strong>si</strong>mulării şi testării acestora sunt create componente IP (proprietate intelectuală)<br />
incluse în <strong>si</strong>stemul încapsulat propus. Lanțul <strong>de</strong> algoritmi <strong>de</strong> prelucrare <strong>de</strong>scris <strong>de</strong> arhitecturile<br />
<strong>de</strong>zvoltate automatizează procesul <strong>de</strong> prelucrare a imaginilor microarray. Pentru a elimina<br />
nece<strong>si</strong>tatea unei stații <strong>de</strong> lucru, a platformei software <strong>de</strong> prelucrare şi a intervenției utilizatorului<br />
necesare în cazul platformelor software <strong>de</strong> prelucrare a imaginilor microarray este introdus<br />
<strong>si</strong>stemul încapsulat <strong>de</strong>scris în paragrafele anterioare. Rezultatele experimentale prezentate în a<br />
cest subcapitol vin sa completeze avantajele <strong>si</strong>stemului încapsulat prin reducerea timpului <strong>de</strong><br />
calcul.<br />
Timpul <strong>de</strong> calcul este estimat pentru fiecare arhitectura propusa în cazul prelucrării unui<br />
set <strong>de</strong> imagini microarray <strong>de</strong> diferite dimen<strong>si</strong>uni. Pentru comparație, aceleași imagini au fost<br />
procesate folo<strong>si</strong>nd aceleași tehnici <strong>de</strong> prelucrări <strong>de</strong> imagini <strong>de</strong> un calculator personal (PC). Pentru<br />
aceasta, folo<strong>si</strong>nd cod C şi biblioteca <strong>de</strong> clase OpenCV, s-au implementat algoritmii specifici<br />
prelucrărilor <strong>de</strong> imagini folo<strong>si</strong>ți în <strong>de</strong>zvoltarea arhitecturilor prezentate. Timpii <strong>de</strong> calcul necesari<br />
au fost măsurați şi în cazul procesării imaginilor microarray folo<strong>si</strong>nd un calculator personal.<br />
Menționam că s-a estimat timpul <strong>de</strong> calcul necesar exclu<strong>si</strong>v funcțiilor <strong>de</strong> prelucrări <strong>de</strong> imagini,<br />
nu şi cel al lucrului cu clase necesar în citirea imaginilor <strong>de</strong> pe suportul <strong>de</strong> memorie extern.<br />
Pentru măsurarea acestor timpi <strong>de</strong> calcul s-a folo<strong>si</strong>t funcția clock(), inclusa în librăria „time.h”.<br />
Caracteristicile calculatorului personal folo<strong>si</strong>t în prelucrarea imaginilor folo<strong>si</strong>nd cod C sunt:<br />
procesor – Intel Dual Core T2370 cu 1.73 MHz frecventa <strong>de</strong> ceas, memorie RAM – 2GB. Este<br />
menționata <strong>de</strong> asemenea frecventa <strong>de</strong> lucru a procesorului MicroBlaze al platformei Vrtex5, 125<br />
MHz. în tabelul 5, timpii <strong>de</strong> calcul pentru fiecare etapă din procesarea imaginilor microarray<br />
aplicata pe imaginea Agilent US45102867_1 sunt listați, atât în cazul utilizării platformei Virtex5<br />
22
cat şi în cazul utilizării calculatorului personal (PC). Caracteristicile imaginii microarray sunt:<br />
rezoluție 6100x2160, 8 biți/pixel, numărul <strong>de</strong> spot-uri microarray 22575.<br />
Table 5. Timpi <strong>de</strong> calcul pentru tehnicile propuse pentru procesarea imaginilor microarray. Estimarea timpilor <strong>de</strong><br />
calcul s-a făcut folo<strong>si</strong>nd imaginea Agilent US45102867_1<br />
Platform Logarithm<br />
transform.<br />
Grid<br />
alignment<br />
Segmentation Total<br />
proces<strong>si</strong>ng<br />
time<br />
PC 828 ms 485 ms 469 ms 1782 ms<br />
Virtex5 527 ms 262 ms 306 ms 1095 ms<br />
Figura 4.2.b ilustrează timpii <strong>de</strong> calcul pentru întreg procesul <strong>de</strong> prelucrare a imaginilor<br />
microarray folo<strong>si</strong>nd atât platforma Virtex5 cat şi calculatorul personal amintit anterior. Pentru<br />
prelucrarea s-au folo<strong>si</strong>t imagini microarray <strong>de</strong> diferite dimen<strong>si</strong>uni. Axa abscisă reprezintă<br />
dimen<strong>si</strong>unea imaginii măsurata în numărul <strong>de</strong> spot-uri microarray conținute, iar axa ordonata<br />
reprezintă timpul <strong>de</strong> procesare necesar în milisecun<strong>de</strong>.<br />
Table 6. Utilizarea resurselor hardware pentru fiecare arhitectura logica reconfigurabila propusa. Cipul FPGA<br />
folo<strong>si</strong>t: for xc5vlx110t FPGA (Virtex5 platform).<br />
Transformare<br />
Logaritmica<br />
Resurse hardware utilizate<br />
Calcul <strong>de</strong> profile şi adresare (filtre<br />
<strong>de</strong> soc)<br />
Segmentare Total Disponibil<br />
Nr. slice reg. 18 355 1068 1441 69120<br />
Nr. slice LUT - 8525 1736 10261 69120<br />
Nr. Block RAM - 4 2 6 148<br />
Nr. BUFG 1 - 1 2 32<br />
Nr. DSP48E 4 2 - 6 64<br />
Sistemul astfel implementat, parcurge secvențial etapele specifice prelucrării imaginilor<br />
microarray. Timpul <strong>de</strong> calcul este necesar este redus, comparativ cu cel al unei stații <strong>de</strong> lucru <strong>de</strong><br />
tipul calculator personal. în cazul <strong>si</strong>stemului nu este necesara nici intervenția utilizatorului, iar<br />
resursele hardware folo<strong>si</strong>te sunt reduse, după cum se poate observa în tabelul 6. Avantajul ultim<br />
menționat permite o noua abordare în prelucrarea imaginilor microarray folo<strong>si</strong>nd arhitecturi<br />
reconfigurabile.<br />
Capitolul 5 Concluzii, contribuţii şi <strong>de</strong>zvoltări ulterioare<br />
5.1 Concluzii<br />
Tehnologia microarray constituie o metodă eficientă <strong>de</strong> estimare şi monitorizare a expre<strong>si</strong>ei<br />
genetice, contribuind la <strong>de</strong>terminarea genelor implicate în diferite maladii şi la monitorizarea<br />
efectelor mediului sau a altor factori externi asupra organismului. Procesul <strong>de</strong> analiză microarray<br />
constă în imprimarea lamelei microarray şi hibridizarea probelor imprimate, scanarea acesteia şi<br />
prelucrarea imaginilor obținute în scopul estimării expre<strong>si</strong>ei genetice. La momentul <strong>de</strong> faţă există<br />
diferiți producători care pun la dispoziție roboţi <strong>de</strong> scanare a lamelei microarray şi diferite<br />
platforme software pentru prelucrarea imaginilor obținute. Principalele <strong>de</strong>zavantaje care apar în<br />
cazul nece<strong>si</strong>tații unui număr ridicat <strong>de</strong> analize microarray sunt: intervenția utilizatorului în<br />
23
prelucrarea imaginilor, nece<strong>si</strong>tatea folo<strong>si</strong>rii unei stații <strong>de</strong> lucru <strong>de</strong>dicate şi a platformei software şi<br />
nu în ultimul rând costul ridicat pe care îl implica toate acestea. Teza propune un <strong>si</strong>stem <strong>de</strong><br />
achiziție şi prelucrare a imaginilor microarray care inclu<strong>de</strong> un <strong>si</strong>stem încapsulat pentru<br />
prelucrarea automată a imaginilor microarray, eliminând astfel <strong>de</strong>zavantajele platformelor<br />
software existente. În cadrul tezei sunt aduse contribuții atât în domeniul prelucrărilor <strong>de</strong> imagini<br />
microarray cât şi în cel al proiectării arhitecturilor logice reconfigurabile.<br />
În cadrul prelucrărilor <strong>de</strong> imagini microarray, s-au studiat algoritmii existenți pentru<br />
etapele caracteristice procesului <strong>de</strong> prelucrare: îmbunătățirea, adresarea, segmentarea şi<br />
extragerea inten<strong>si</strong>tății imaginilor microarray, algoritmi incluși în platformele existente <strong>de</strong><br />
prelucrare a imaginilor microarray. Automatizarea procesului <strong>de</strong> prelucrare a imaginilor<br />
microarray este un subiect <strong>de</strong> dată recentă al cercetării în domeniu. Teza a urmărit introducerea<br />
<strong>de</strong> noi meto<strong>de</strong> şi adaptarea algoritmilor cla<strong>si</strong>ci existenţi în prelucrări <strong>de</strong> imagini, în ve<strong>de</strong>rea<br />
prelucrării automate a imaginilor microarray. În capitolul 2 sunt prezentaţi algoritmii <strong>si</strong> meto<strong>de</strong>le<br />
propuse, după cum urmează:<br />
• În cadrul etapei <strong>de</strong> preprocesare s-au introdus două abordări noi pentru evi<strong>de</strong>nţierea<br />
spoturilor slab exprimate: prima se bazează pe o transformare exponentială [54], iar cea <strong>de</strong>-a<br />
doua foloseşte funcţia arctangent hiperbolică pentru evi<strong>de</strong>nţierea zonelor <strong>de</strong> informaţie utilă şi<br />
atenuarea zonelor corespunzătoare fundalului [12].<br />
• În ve<strong>de</strong>rea adresării automate a imaginilor microarray, s-a propus şi implementat<br />
utilizarea filtrelor <strong>de</strong> şoc uni-dimen<strong>si</strong>onale [12] ce operează pe profilele orizontale şi verticale ale<br />
imaginilor. Rezultatele obţinute au fost validate prin compararea acestora cu cele livrate <strong>de</strong><br />
Agilent Feature Extraction. Este <strong>de</strong> menţionat că abordarea propusă furnizează şi informaţie<br />
pentru segmentare, lucru neîntâlnit la nici o altă metodă <strong>de</strong> adresare.<br />
• Pentru separarea informatiei utile <strong>de</strong> cea <strong>de</strong> fundal, s-au propus meto<strong>de</strong> <strong>de</strong> segmentare<br />
bazate pe <strong>de</strong>tecţia <strong>de</strong> contur, realizată cu ajutorul filtrului Canny [11], sau a algoritmului cunoscut<br />
sub numele <strong>de</strong> „pălăria mexicană” [14]. Meto<strong>de</strong>le propuse <strong>de</strong>scriu astfel un lanţ complet <strong>de</strong><br />
prelucrare automată a imaginilor microarray. Pentru validarea acestora s-au utilizat aceeaşi<br />
indicatori <strong>de</strong> calitate ca şi în cazul platformei software existente Agilent Feature Extraction.<br />
Aceste meto<strong>de</strong> pentru prelucrarea imaginilor microarray, prezentate în capitolul 2, au un<br />
caracter general, in<strong>de</strong>pen<strong>de</strong>nt <strong>de</strong> tipul <strong>de</strong> imagine microarary; rezultatele experimentale confirmă<br />
validitatea meto<strong>de</strong>lor propuse în cazul unui set <strong>de</strong> imagini provenite <strong>de</strong> la diferiți producători <strong>de</strong><br />
microarray. Se poate concluziona astfel că, rezultatele obținute <strong>de</strong> tehnicile <strong>de</strong> prelucrări <strong>de</strong><br />
imagini propuse motivează şi vali<strong>de</strong>ază în același timp crearea <strong>de</strong> arhitecturi hardware pentru<br />
procesarea imaginilor microarray care să reducă costurile şi să automatizeze prelucrarea<br />
imaginilor microarray.<br />
Capitolul 3 este <strong>de</strong>dicat prezentării arhitecturilor reconfigurabile pentru prelucrarea<br />
imaginilor microarray <strong>de</strong> tip cDNA. Pornind <strong>de</strong> la meto<strong>de</strong>le şi algoritmii propuşi în capitolul 2,<br />
pentru prelucrarea automată a imaginilor microarray, s-au <strong>de</strong>zvoltat arhitecturi reconfigurabile cu<br />
circuite FPGA. În implementarea acestor arhitecturi s-au folo<strong>si</strong>t strategii hardware care<br />
exploatează paralelismului spaţial şi temporal oferit <strong>de</strong> tehnologia FPGA [9]. Utilizând limbajul<br />
<strong>de</strong> <strong>de</strong>scriere logica VHDL, s-au <strong>de</strong>zvoltat şi testat noi arhitecturi hardware pentru fiecare etapă<br />
din procesul <strong>de</strong> prelucrare automată a imaginilor microarray, după cum urmează:<br />
• În cazul etapei <strong>de</strong> preprocesare corespunzătoare evi<strong>de</strong>nţierii spoturilor slab exprimate, s-a<br />
<strong>de</strong>zvoltat o arhitectură pentru calculul transformatei logaritmice folo<strong>si</strong>nd aproximări liniare<br />
24
succe<strong>si</strong>ve ale funcţiei logaritm [12], [13]. Pentru calculul profielor orizontal şi vertical al<br />
imaginilor s-a propus şi implementat o arhitectură care, la o <strong>si</strong>ngură parcurgere a imaginii<br />
microarray, stochează în două memorii distincte profilele imaginii, utilizate ulterior în prelucrare;<br />
• În cadrul etapei <strong>de</strong> segmentare a imaginilor microarray, am propus două abordări pentru<br />
implementarea operaţiei <strong>de</strong> convoluţie, con<strong>si</strong><strong>de</strong>rată filtru spaţial în prelucrări <strong>de</strong> imagini. Prima<br />
abordare, cu caracter <strong>de</strong> noutate, constă in utilizarea <strong>de</strong> memorii RAM distribuite pentru stocarea<br />
spoturilor microarray şi realizarea <strong>de</strong> operaţii concurenţiale la nivelul pixelilor componenţi ai<br />
spotului microarary [10]. Aceasta implică un grad ridicat <strong>de</strong> utilizare a resurselor logice (circuite<br />
FPGA) ceea ce a condus la cea <strong>de</strong>-a doua abordare, eficientă atât din punctul <strong>de</strong> ve<strong>de</strong>re al<br />
timpului <strong>de</strong> calcul cât şi al resurselor hardware utilizate. Astfel, arhitectura utilizată pentru<br />
implementarea convoluţiei implică utilizarea unor registre <strong>de</strong> <strong>de</strong>plasare pentru un număr <strong>de</strong> linii<br />
din imaginea <strong>de</strong> prelucrat egal cu dimen<strong>si</strong>unea ferestrei <strong>de</strong> convoluţie [9]. De asemenea, am<br />
implementat o structură <strong>de</strong> tip pipeline care integrează multiple instanţe ale arhitecturii anterior<br />
menţionate, în scopul aplicării filtrului Canny pentru segmentarea imaginilor microarary folo<strong>si</strong>nd<br />
arhitecturi reconfigurabile [12];<br />
• Pentru adresarea automată a imaginilor microarray s-a propus o abordare complet nouă<br />
care constă in aplicarea filtrelor <strong>de</strong> şoc unidmen<strong>si</strong>onale pe profilele imaginii. Rezultatele obţinute<br />
au fost validate prin compararea cu cele livrate <strong>de</strong> platformele software existente. Pornind <strong>de</strong> la<br />
aceasta i<strong>de</strong>e s-a <strong>de</strong>zvoltat <strong>de</strong> asemenea o arhitectură hardware pentru adresarea imaginilor<br />
microarray, caracterizată prin faptul că reduce semnificativ timpul <strong>de</strong> calcul necesar evoluţiei<br />
filtrelor <strong>de</strong> şoc pentru adresarea automată a acestui tip <strong>de</strong> imagini. Atât metoda cât şi arhitectura<br />
anterior amintite constituie subiectul unei cereri <strong>de</strong> brevet naţional prezentată la salonul<br />
internaţional <strong>de</strong> la Warşovia [16].<br />
Este <strong>de</strong> menţionat faptul că, strategiile hardware propuse pentru prelucrarea imaginilor<br />
microarray pot fi folo<strong>si</strong>te <strong>de</strong> asemenea în domeniul prelucrarilor <strong>de</strong> imagini în general, în cazul în<br />
care se doreşte un timp <strong>de</strong> calcul redus (exemplu: prelucrarea imaginilor în timp real).<br />
În capitolul 4 a fost introdus un <strong>si</strong>stem <strong>de</strong> achiziţie şi prelucrare a imaginilor microarray<br />
[34], [35], <strong>de</strong>zvoltat în jurul unui senzor <strong>de</strong> imagine, cu rolul <strong>de</strong> a achiziţiona imaginile<br />
microarray prin scanarea lamelei microarray şi prin transferul imaginilor obţinute pe o platformă<br />
hardware cu circuite FPGA, pentru prelucrari ulterioare. După achiziţie, imaginile microarray<br />
sunt livrate unui <strong>si</strong>stem încapsulat care integrează arhitecturile reconfigurabile <strong>de</strong>zvoltate în<br />
capitolul 3. Sistemul încapsulat a fost construit în jurul unui microprocesor MicroBlaze şi<br />
parcurge toate etapele procesului <strong>de</strong> prelucrare a imaginilor microarray. Rolul acestuia este <strong>de</strong> a<br />
procesa automat imaginile microarray, excluzând astfel nece<strong>si</strong>tatea intervenției utilizatorului şi a<br />
platformelor software pentru prelucrarea imaginilor microarray. Rezultatele livrate <strong>de</strong> <strong>si</strong>stemul<br />
încapsulat astfel propus [12] au fost comparate din punct <strong>de</strong> ve<strong>de</strong>re al timpului <strong>de</strong> calcul cu<br />
rezultatele livrate <strong>de</strong> un calculator personal, obtinându-se un timp <strong>de</strong> calcul mai bun in cazul<br />
<strong>si</strong>stemului încapsulat, dovedind astfel eficienţa acestuia atât din punct <strong>de</strong> ve<strong>de</strong>re al timpului <strong>de</strong><br />
calcul cât <strong>si</strong> din punct <strong>de</strong> ve<strong>de</strong>re al resurselor hardware utilizate. Resursele hardware utilizate în<br />
implementarea <strong>si</strong>stemului încapsulat pentru prelucrarea automată a imaginilor microarray aduc cu<br />
<strong>si</strong>ne reducerea costului unui astfel <strong>de</strong> <strong>si</strong>stem. De asemenea, este prezentată o arhitectură pentru<br />
achiziţionarea imaginii microarray pe platforma hardware <strong>de</strong> prelucrare prin intermediul unei<br />
interfeţe <strong>de</strong> uz genereal USB [3].<br />
Sistemul astfel propus în cadrul tezei, împreuna cu arhitecturile logice reconfigurabile<br />
pentru prelucrarea automată a imaginilor microarray constituie un început <strong>de</strong> drum în <strong>de</strong>zvoltarea<br />
25
unui dispozitiv <strong>de</strong> dimen<strong>si</strong>uni mici pentru achiziționarea şi prelucrarea imaginilor microarray.<br />
Utilitatea acestuia este dovedită prin exclu<strong>de</strong>rea intervenției utilizatorului şi a platformei software<br />
din procesul <strong>de</strong> prelucrare a imaginilor microarray cDNA.<br />
5.2 Contribuții<br />
1. În cadrul etapei <strong>de</strong> preprocesare a imaginilor microarray s-au introdus două abordari noi<br />
pentru evi<strong>de</strong>nţierea spoturilor slab exprimate: prima foloseşte funcţia arctangent hiperbolică<br />
pentru evi<strong>de</strong>nţierea zonelor <strong>de</strong> informaţie utilă şi atenuarea zonelor corespunzătoare fundalului<br />
[9], iar cea <strong>de</strong>-a doua se bazează pe o transformare exponenţială [54].<br />
2. S-a propus o nouă metodă pentru adresarea automată a imaginilor microarray, pornid <strong>de</strong><br />
la principiul filtrelor <strong>de</strong> şoc, validată prin compararea rezultatelor obţinute cu cele livrare <strong>de</strong><br />
platformele software existente [16], [12].<br />
3. S-a propus, implementat şi testat o arhitectură reconfigurabilă pentru evi<strong>de</strong>nţierea<br />
spoturilor slab exprimate folo<strong>si</strong>nd aproximări liniare succe<strong>si</strong>ve ale functiei logaritm [13].<br />
4. S-a propus, implementat şi testat o arhitectură reconfigurabilă pentru calculul profielor<br />
orizontal şi vertical al imaginilor, obţinute printr-o <strong>si</strong>ngură parcurgere a imaginii microarray [12].<br />
5. S-au <strong>de</strong>zvoltat arhitecturi reconfigurabile pentru implementarea operaţiei <strong>de</strong> convoluţie în<br />
ve<strong>de</strong>rea segmentării folo<strong>si</strong>nd memorii RAM distribuit [10] şi folo<strong>si</strong>nd o arhitectură care<br />
exploatează paralelismul spaţial in prelucrare [9], [14].<br />
6. S-a propus o arhitectură hardware pentru adresarea imaginilor microarray, caracterizată<br />
prin faptul ca reduce semnificativ timpul <strong>de</strong> calcul necesar evoluţiei filtrelor <strong>de</strong> şoc pentru<br />
adreasrea automată a acestui tip <strong>de</strong> imagini. Atât metoda cât şi arhitectura pentru adresarea<br />
automată a imaginilor microarray constituie subiectul unei cereri <strong>de</strong> brevet naţional medaliată cu<br />
aur la salonul international <strong>de</strong> inventică <strong>de</strong> la Warşovia [16].<br />
7. S-a propus, implementat şi testat o arhitectură <strong>de</strong> tip pipeline pentru aplicarea filtrului<br />
Canny în ve<strong>de</strong>rea segmentării imaginilor microarray [12].<br />
8. S-a proiectat un <strong>si</strong>stem încapsulat în tehnologie FPGA care integrează arhitecturile<br />
reconfigurabile implementate în ve<strong>de</strong>rea prelucrării automate a imaginilor microarray [12].<br />
9. S-a implementat şi testat o arhitectură pentru achiziţia a imaginilor pe platforma hardware<br />
<strong>de</strong> prelucrare prin intermediul unei interfeţe <strong>de</strong> uz general USB [3].<br />
10. S-a propus un <strong>si</strong>stem <strong>de</strong> achiziţie şi prelucrare a imaginilor microarray <strong>de</strong>zvoltat în jurul<br />
unui senzor <strong>de</strong> imagine şi a <strong>si</strong>stemului încapsulat propus pentru prelucrarea automată a imaginilor<br />
microarray [35], [54].<br />
11. S-a realizat un studiu teoretic privitor la senzorii <strong>de</strong> imagine optimi în cazul unui astfel <strong>de</strong><br />
<strong>si</strong>stem, capitolul 4.4.<br />
5.3 Dezvoltări ulterioare<br />
Teza are un caracter interdisciplinar, fiind <strong>si</strong>tuată la granița mai multor domenii <strong>de</strong> interes în<br />
cercetarea recentă, cum ar fi: prelucrarea imaginilor, bioinformatica, circuite digitale şi calcul<br />
paralel folo<strong>si</strong>nd arii logice programabile. Abordarea unor subiecte încadrate într-o astfel <strong>de</strong> gama<br />
variata <strong>de</strong> domenii, aduce cu <strong>si</strong>ne noi direcții în cercerare.<br />
o Caracterul <strong>de</strong> generalitate şi automatizarea procesului <strong>de</strong> prelucrare a imaginilor<br />
implementat în cadrul <strong>si</strong>stemului încapsulat propus reprezintă un drum <strong>de</strong>schis în <strong>de</strong>zvoltare unui<br />
dispozitiv pentru achiziția şi procesarea imaginilor microarray cDNA. Acesta poate fi inclus în<br />
26
oboţii <strong>de</strong> scanare microarray, livrând parametrii caracteristici microarray fără nece<strong>si</strong>tatea unei<br />
platforme software suplimentare şi a unei stații <strong>de</strong> lucru.<br />
o Resursele logice reduse utilizate în implementarea arhitecturilor reconfigurabile, şi<br />
structurarea procesului <strong>de</strong> prelucrări <strong>de</strong> imagini microarray în etape in<strong>de</strong>pen<strong>de</strong>nte oferă<br />
po<strong>si</strong>bilitatea unei abordări ce implică calculul paralel folo<strong>si</strong>nd arii logice programabile. Astfel,<br />
este po<strong>si</strong>bilă crearea mai multor instanțe ale arhitecturilor reconfigurabile propuse, în ve<strong>de</strong>rea<br />
realizării unui <strong>si</strong>stem „high-troughput” ce are ca obiectiv reducerea timpului <strong>de</strong> calcul.<br />
o Arhitectura reconfigurabilă care implementează filtrele <strong>de</strong> şoc unidimen<strong>si</strong>onale aplicate<br />
pe profilele imaginilor microarray, având drept scop adresarea, reprezintă o abordare cu caracter<br />
inovativ şi impune o direcție nouă în cercetare, şi anume extin<strong>de</strong>rea acesteia pentru<br />
implementarea filtrelor <strong>de</strong> şoc bidimen<strong>si</strong>onale 2D, implementare ce vizează domeniul<br />
prelucrărilor <strong>de</strong> imagini în general.<br />
BIBLIOGRAFIE<br />
[1] Abas<strong>si</strong>, T. A. & Abas<strong>si</strong>m, U. A Proposed FPGA Based Architecture for Sobel Edge Detection Operator, Journal of<br />
Active and Pas<strong>si</strong>ve Electronic Devices, 2, 271–277, 2007<br />
[2] Affymetrix Microarray Suite Users Gui<strong>de</strong>, Affymetrix, Santa Clara, CA, ver<strong>si</strong>on 5.0, edition 2001.<br />
[3] Albert Fazakas, Lelia Feştilă, Monica Borda, Bogdan Belean, Image acqui<strong>si</strong>tion solutions for FPGA <strong>de</strong>velopment<br />
boards targeting microarray image proces<strong>si</strong>ng algorithms, Applied Electronics International Conference<br />
Proceedings, Pilsen, Czech Republic , ISBN 987-80-7043-654-7, pp. 49-52, 2008.<br />
[4] Alhadidi, B., Fakhouri, H. N., & AlMousa, O. S., cDNA Microarray Genome Image Proces<strong>si</strong>ng U<strong>si</strong>ng Fixed Spot<br />
Po<strong>si</strong>tion, American Journal of Applied Sciences, 3(2), 1730-1734, 2006.<br />
[5] Ashwin Kamal Whitchurch, Gene expres<strong>si</strong>on microarray, IEEE Potentials, Februarie 2002<br />
[6] Bad<strong>de</strong>ley, A., şi M.N.M van Lieshout, Stochastic geometry mo<strong>de</strong>ls în high-level vi<strong>si</strong>on, Statistics and Images, 1, 231-<br />
256, 1997.<br />
[7] Bajcsy, P., An overview of DNA microarray grid alignment and foreground separation approaches, EURASIP<br />
Journal on Applied Signal Proces<strong>si</strong>ng, pp. 1-13, 2006.<br />
[8] Bajcsy, P., Gridline: automatic grid alignment în DNA microarray scans, IEEE Transactions on Image Proces<strong>si</strong>ng,<br />
13(1), 15–25, 2004.<br />
[9] Belean, B., Borda, M. & Fazakas A., Hardware Strategies for Image Proces<strong>si</strong>ng în an FPGA Based Microarray<br />
Image Proces<strong>si</strong>ng SoC, Acta Technica Napocen<strong>si</strong>s: Electronics and Telecommunications, 50 (2), 1-4, 2009<br />
[10] Belean, B., Borda, M. & Fazakas, A., Adaptive Microarray Image Acqui<strong>si</strong>tion System and Microarray Image<br />
Proces<strong>si</strong>ng U<strong>si</strong>ng FPGA Technology, Lecture Notes în Computer Science / Artificial Intelligence, 5179, 327-334,<br />
2008.<br />
[11] Belean, B., Borda, M., Fazakas, A., Hardware Implementation for Edge Detection in cDNA Microarray Images,<br />
International Conference on Biomedical Electronics and Devices, BIODEVICES, pp. 359-363, ISBN 978-989-8111-<br />
64-7, 2009<br />
[12] Belean, B., Borda, M., Le Gal, B., Terebes, R., Application specific architectures for a FPGA based cDNA<br />
microarray image proces<strong>si</strong>ng system, Journal of Signal Proces<strong>si</strong>ng Systems, Springer Verlag, articol trimis spre<br />
publicare 25.07.2010.<br />
[13] Belean, B., Borda, M., Malutan, M., Biarge, R., V., FPGA based digital <strong>de</strong>vice and microarray image addres<strong>si</strong>ng,<br />
aflata sub tipar in Buletinul Stiintific al Univer<strong>si</strong>tatii Politehnica Timisoara seria <strong>Electronica</strong> <strong>si</strong> <strong>Telecomunicatii</strong>,<br />
ISSN: 1583 – 3380, 52(66), Fascicola 1, pp. 15 – 19, 2007<br />
[14] Belean, B., Fazakas, A., Malutan, R., Borda, M., Hardware implementation of microarray image segmentation ,<br />
IEEE International Conference on Automation, Quality and Testing, Robotics, Cluj Napoca, Romania, ISBN: 978-1-<br />
4244-2577-8, Vol. 3, pp. 292 – 295, 2008.<br />
[15] Benjamin Stetter, Gene expres<strong>si</strong>on estimation by automatic <strong>de</strong>tection of hybridization spots în cDNA microarray<br />
images, Raport Tehnic, august 2006<br />
[16] Borda, M., Belean, B., Terebeş, R., Malutan, R., Metodă şi arhitectură hardware pentru adresarea automată a<br />
imaginilor microarray, cerere <strong>de</strong> brevet național, OSIM nr. A10018, 13.09.2010.<br />
[17] Brazma, A, Hingamp, P, Quackenbush, J, Sherlock, G, Spellman, P, Stoeckert, C, Aach, J, Ansorge, W, Ball, CA,<br />
Causton, HC, Gaasterland, T, Glenisson, P, Holstege, FC, Kim, IF, Markowitz, V, Matese, JC, Parkinson, H,<br />
27
Robinson, A, Sarkans, U, Schulze-Kremer, S, Stewart, J, Taylor, R, Vilo, J, Vingron, M., Minimum information<br />
about a microarray experiment (MIAME)-toward standards for microarray data, Nature Genetics, vol. 29(4), pp.<br />
373, 2001<br />
[18] Brazma, A., Vilo, J., Gene expres<strong>si</strong>on data analy<strong>si</strong>s, FEBS Letters 480, pp. 17 – 24, 2000<br />
[19] Brown, M.P.S., Grundy, W.N., Lin, D., Cristianini, N., Sugnet, C.W., Furey, T.S., Ares, M. JR, and Haussler, D.,<br />
Knowledge-based analy<strong>si</strong>s of microarray gene expres<strong>si</strong>on data by u<strong>si</strong>ng support vector machines, Proc. of the<br />
National Aca<strong>de</strong>my of Science USA, vol. 97, no. 1, pp. 262 – 267, January 2000<br />
[20] Brown, P.O., Botsein, D., Exploring the new world of the genome with DNA microarrays, Nature Genetics<br />
Supplement, vol. 21, pp. 33 – 37, 1999<br />
[21] Brown, S., Vrane<strong>si</strong>c, S., Fundamentals of Digital Logic with VHDL De<strong>si</strong>gn, Mc Graw Hill, 2005<br />
[22] C. T. Johnston, D. G. Bailey, and P. Lyons, A Visual Environment for Real-Time Image Proces<strong>si</strong>ng în Hardware,<br />
EURASIP Journal on Embed<strong>de</strong>d Systems, 2006<br />
[23] C. T. Johnston, K. T. Gribbon, D. G. Bailey, Implementing Image Proces<strong>si</strong>ng Algorithms on FPGAs, Raport Tehnic,<br />
2004.<br />
[24] Cheng, J., Fortina, P., Surrey, S., Wilding, P., Microchip-based <strong>de</strong>vices for molecular diagno<strong>si</strong>s of genetic disease,<br />
Molecular Diagno<strong>si</strong>s, vol. 1, no. 3, pp. 183 – 200, September 1996<br />
[25] Choe, S.E., Boutros, M., Michelson, A.M., Church, G.M., Halfon, M.S., Preferred analy<strong>si</strong>s methods for Affymetrix<br />
GeneChips revealed by a wholly <strong>de</strong>fined dataset, Genome Biology, vol. 6, issue 2, pp. R16.1 – R16.2, January 2005<br />
[26] Clarke, P.A., Poele, R., Wooster, R., Workman, P., Gene expres<strong>si</strong>on microarray analy<strong>si</strong>s în cancer biology,<br />
pharmacology, and drug <strong>de</strong>velopment: progress and potential, Biochemical Pharmacology, vol. 26, pp. 1311 – 1336,<br />
2001<br />
[27] Daggu Venkateshwar, Implementation and Evaluation of Image Proces<strong>si</strong>ng Algorithms on Reconfigurable<br />
Architecture u<strong>si</strong>ng C-based Hardware Descriptive Language, International Journal of Theoretical and Applied<br />
Computer Sciences, Volume 1, 2006<br />
[28] Dimitris Anastas<strong>si</strong>on, Genomic Signal Proces<strong>si</strong>ng, IEEE Signal Proces<strong>si</strong>ng Magazine, Jully 2001<br />
[29] Dov Stekel, Microarray Bioinformatics, Cambridge Univer<strong>si</strong>ty Press, 2003<br />
[30] Downton, A. and Crookes, D., Parallel Architectures for Image Proces<strong>si</strong>ng, Electronics & Communication<br />
Engineering Journal, vol.10, pp. 139-151, Jun, 1998.<br />
[31] Eisen, M.B., Brown, P.O., DNA Arrays for Analy<strong>si</strong>s of Gene Expres<strong>si</strong>on, Methods Enzymol, vol. 303, pp. 179 – 205,<br />
1999<br />
[32] Futamura, N., Aluru, S., Ranjan, D., Hariharan, B., Efficient parallel algorithms for solvent acces<strong>si</strong>ble surface area<br />
of proteins, IEEE Transactions on Parallel and Distributed Systems, vol. 13, no. 6, pp. 544 – 555, June 2002<br />
[33] Gabig, M., Wegrzyn, G., An introduction to DNA chips: principles, technology, applications and analy<strong>si</strong>s, Acta<br />
Biochimica Polonica, vol. 48, no. 3, pp. 625 – 622, 2001<br />
[34] Gómez, P., Díaz, F., Belean, B., Malutan, R., Stetter, B., Martínez, R., Ro<strong>de</strong>llar, V., An FPGA-based genetic<br />
microarray proces<strong>si</strong>ng <strong>de</strong>vice, Proceedings on 13th IEEE Int. Conf. on Electronics, Circuits and Systems, pp. 363 –<br />
366, 2006.<br />
[35] Gomez, P.; Diaz, F.; Belean, B.; Malutan, R.; Stetter, B.; Martinez, R.; Ro<strong>de</strong>llar, V.; Robust cDNA microarray<br />
image proces<strong>si</strong>ng on a hand-held <strong>de</strong>vice, Proceedings of IEEE International Conference on Reconfigurable<br />
Computing and FPGA's, pp. 244-251, 2006.<br />
[36] Herr, A., et al., High-resolution analy<strong>si</strong>s of chromosomal imbalances u<strong>si</strong>ng the Affymetrix 10K SNP genotyping chip,<br />
Genomics, vol. 85, issue 3, pp. 392 – 400, 2005<br />
[37] Hirata, R. JR, Barrera, J., Hashimoto, R.F., Dantas, D.O., Microarray gridding by mathematical morphology, XIV<br />
Brazilian Sympo<strong>si</strong>um on Computer Graphics and Image Proces<strong>si</strong>ng, pp. 112 – 119, October 2001<br />
[38] Huang, J. C., Morris, Q. D., Hughes, T. R., and Frey, B. J., GenXHC: a probabilistic generative mo<strong>de</strong>l for crosshybridization<br />
compensation în high-<strong>de</strong>n<strong>si</strong>ty genome-wi<strong>de</strong> microarray data, Bioinformatics, vol. 21, suppl. 1, pp. i222<br />
– i231, 2005<br />
[39] J. Angulo and J. Serra, Automatic analy<strong>si</strong>s of dna microarray images u<strong>si</strong>ng mathematical morphology,<br />
Bioinformatics, 19(5):553 – 562, 2003.<br />
[40] J. Weickert, Coherence-enhancing shock filter, Lecture Notes in Computer Science - Patern Recognition, vol.2781,<br />
pp. 1-8, 2003.<br />
[41] Ji, H., et al., Integrated Fluorescence Sen<strong>si</strong>ng for Lab-on-a-chip Devices, IEEE/NLM Life Science Systems and<br />
Applications Workshop, July 2006<br />
[42] K. Blekas and N. P. G. ans A. Likas ans I. E. Lagaris. Mixture mo<strong>de</strong>l analy<strong>si</strong>s of DNA microarray images, IEEE<br />
Transactions on Medical Imaging, 24(7):901 – 909, July 2005<br />
28
[43] Katzer, M., Kummert, F. & Sagerer, G., Methods for automatic microarray image segmentation, IEEE Transactions<br />
on Nanobioscience, 2(4), 202–212, 2003<br />
[44] Kilts, Steve, Advanced FPGA De<strong>si</strong>gn, John Wiley and Sons, 2007.<br />
[45] M. Benjamin Stetter, Gene expres<strong>si</strong>on estimation by automatic <strong>de</strong>tection of hybridization spots în cDNA Microarray<br />
images, Raport Tehnic, August 2006.<br />
[46] M. Eisen, ScanAlyze User Manual, 1999.<br />
[47] M.Dhammika Amaratunga and Javier Cabrera. Exploration and analy<strong>si</strong>s of DNA Microarray and Protein, Array<br />
Data, ISBN 0-471-27398-8, 2004.<br />
[48] Mark Schena, Microarray Analy<strong>si</strong>s, Wiley-Liss, 2003<br />
[49] Mark Schena, Micropuce Biochip Technology, Oxford Univer<strong>si</strong>ty Press, 1999<br />
[50] McLean, L.A., Gathmann, I., Cap<strong>de</strong>ville, R., Polymeropouluos, M.H., Dressman, M., Pharmacogenomic analy<strong>si</strong>s of<br />
cytogenetic response în chronic myeloid leukemia patients treated with Imatinib, Clinical Cancer Research, vol. 10,<br />
pp. 155 – 165, January 2004<br />
[51] Prakash, S.B., et al., BioLabs-On-A-Chip: Monitoring Cells U<strong>si</strong>ng CMOS Biosensors, IEEE/NLM Life Science<br />
Systems and Applications Workshop, July 2006<br />
[52] Q. Li, C. Fraley, R. E. Baumgarner, K. Y. Yeung, and A. E. Raftery, Donuts, scratches and blanks: Robust mo<strong>de</strong>lbased<br />
segmentation of microarray images, Technical Report 473, Department of statistics - Univer<strong>si</strong>ty of<br />
Washington, 2005.<br />
[53] R. C. Gonzalez and R. E. Woods, Digital Image Proces<strong>si</strong>ng, Prentice Hall, 2002.<br />
[54] Ro<strong>de</strong>llar, V., Díaz, F., Belean, B., Malutan, R. Stetter, B., Gómez, P., Martínez, R., García, E., Peláez, J., Genomic<br />
Microarray Image Proces<strong>si</strong>ng on a FPGA for Portable Remote Applications, Proceedings of IEEE 3rd Southern<br />
Conference on Programmable Logic, pp. 13-17, 2007. (Altera Best Paper Awards)<br />
[55] S. Osher, L. Rudin, Feature-oriented image enhancement with shock filters, SIAM Journal on Numerical Analy<strong>si</strong>s,<br />
vol.27, no.3, pp. 919-940, 1990.<br />
[56] Schena, M., Davis, R., W., Genes, genomes and chips, DNA Microarrays, ed. M. Schena, Oxford Univer<strong>si</strong>ty Press,<br />
Oxford, UK, pp. 1 – 16, 1999.<br />
[57] Schena, M., Davis, R., W., Genes, genomes and chips, în DNA Microarrays, ed. M. Schena, Oxford Univer<strong>si</strong>ty<br />
Press, Oxford, UK, pp. 1 – 16, 1999<br />
[58] Schena, M., Shalon, D., Davis, R.W., Brown, P.O., Quantitative monitoring of gene-expres<strong>si</strong>on patterns with a<br />
complementary-DNA microarray, Science, vol. 270, no. 5235, pp. 467 – 470, October 1995<br />
[59] Shalon, D., Smith, S.J., Brown, P.O., A DNA microarray system for analyzing complex DNA samples u<strong>si</strong>ng twocolor<br />
fluorescent probe hybridization, Genome Research, vol. 6, no. 7, pp. 639 – 645, July 1996<br />
[60] Steinfath, M., Wruck, W., Sei<strong>de</strong>l, H., Lehrach, H., Ra<strong>de</strong>lof, U. & O’Brien, J., Automated image analy<strong>si</strong>s for array<br />
hybridization experiments, Oxford Journals, Bioinformatics, 17(7), 634–641, 2001<br />
[61] Stetter, B., Gene expres<strong>si</strong>on by automatic <strong>de</strong>tection of hybridization spots în cDNA microarray images, MSc the<strong>si</strong>s,<br />
Technical Univer<strong>si</strong>ty of Munich, August 2006<br />
[62] Tanvir A. Abas<strong>si</strong>, Usaid Abas<strong>si</strong>m, A Proposed FPGA Based Architecture for Sobel Edge Detection Operator,<br />
Journal of Active and Pas<strong>si</strong>ve Electronic Devices, pp. 271–277, 2007<br />
[63] V. Vidyadharan, Automatic gridding of microarray images, MSc the<strong>si</strong>s Univer<strong>si</strong>ty of Windsor, 2004<br />
[64] Vaidyanathan, P.P., Genomics and Proteomics: A <strong>si</strong>gnal Processor’s Tool, IEEE Circuits and System Magazine,<br />
Fourth Quarter, pp. 6 – 29, 2004<br />
[65] Velculescu, V.E., Zhang, L., Zhou, W., Traverso, G., St. Croix, B., Vogelstein, B., Kinzler, K.W., Serial Analy<strong>si</strong>s of<br />
Gene Expres<strong>si</strong>on, Science, vol. 270, pp. 484 – 487, 1995<br />
[66] William, K. P., Digital Image Proces<strong>si</strong>ng, Los Angeles: John Wiley & Sons, Inc, 2006<br />
[67] Yang, Y.H., Buckley, M.J., Dudoit, S., Speed, T.P., Comparison of methods for image analy<strong>si</strong>s on cDNA microarray<br />
data, Univer<strong>si</strong>ty of California Technical Report, November 2000<br />
[68] Yang, Y.H., Buckley, M.J., Speed, T.P., Analy<strong>si</strong>s of cDNA images, Briefings în Bioinformatics, vol. 2, no. 4, pp. 341<br />
– 349, December 2001<br />
[69] Zeidman, B., Introduction to FPGA and CPLD De<strong>si</strong>gn, Prentice Hall, 2004<br />
Publicațiile autorului<br />
[35] Gomez, P.; Diaz, F.; Belean, B.; Malutan, R.; Stetter, B.; Martinez, R.; Ro<strong>de</strong>llar, V.; Robust<br />
cDNA microarray image proces<strong>si</strong>ng on a hand-held <strong>de</strong>vice, Proceedings of IEEE International<br />
Conference on Reconfigurable Computing and FPGA's, pp. 244-251, 2006<br />
29
[34] Gómez, P., Díaz, F., Belean, B., Malutan, R., Stetter, B., Martínez, R., Ro<strong>de</strong>llar, V., An FPGAbased<br />
genetic microarray proces<strong>si</strong>ng <strong>de</strong>vice, Proceedings on 13th IEEE Int. Conf. on Electronics, Circuits<br />
and Systems, pp. 363 – 366, 2006<br />
[54] Ro<strong>de</strong>llar, V., Díaz, F., Belean, B., Malutan, R. Stetter, B., Gómez, P., Martínez, R., García, E.,<br />
Peláez, J., Genomic Microarray Image Proces<strong>si</strong>ng on a FPGA for Portable Remote Applications,<br />
Proceedings of IEEE 3rd Southern Conference on Programmable Logic, pp. 13-17, 2007. (Altera Best<br />
Paper Awards)<br />
[13] Belean, B., Borda, M., Malutan, M., Biarge, R., V., FPGA based digital <strong>de</strong>vice and microarray<br />
image addres<strong>si</strong>ng, aflata sub tipar in Buletinul Stiintific al Univer<strong>si</strong>tatii Politehnica Timisoara seria<br />
<strong>Electronica</strong> <strong>si</strong> <strong>Telecomunicatii</strong>, ISSN: 1583 – 3380, 52(66), Fascicola 1, pp. 15 – 19, 2007<br />
[10] Belean, B., Borda, M., Fazakas, A., Adaptive Microarray Image Acqui<strong>si</strong>tion System and<br />
Microarray Image Proces<strong>si</strong>ng U<strong>si</strong>ng FPGA Technology , Knowledge-Based Intelligent Information and<br />
Engineering Systems, Part III. Lecture Notes in Computer Science 5179, Springer, ISBN 978-3-540-<br />
85566-8, 327-334, 2008<br />
[14] Belean, B., A. Fazakas, R. Malutan, M. Borda, Hardware implementation of microarray image<br />
segmentation , IEEE International Conference on Automation, Quality and Testing, Robotics, Cluj<br />
Napoca, Romania, ISBN 978-1-4244-2577-8, Vol. 3, pp. 292 – 295, 2008<br />
[3] Albert Fazakas, Lelia Feştilă, Monica Borda, Bogdan Belean, Image acqui<strong>si</strong>tion solutions for<br />
FPGA <strong>de</strong>velopment boards targeting microarray image proces<strong>si</strong>ng algorithms, Applied Electronics<br />
International Conference Proceedings, Pilsen, Czech Republic , ISBN 987807043-654-7, pp. 49-52, 2008<br />
[9] Belean, B., Borda, M., Fazakas, A., Hardware strategies for image proces<strong>si</strong>ng in an FPGA based<br />
microarray image proces<strong>si</strong>ng SoC, Acta Technica Napocen<strong>si</strong>s: Electronics and Telecommunications,<br />
ISSN 1221-6542, 50(2), 1-4, 2009<br />
[11] Belean, B., Borda, M., Fazakas, A., Hardware Implementation for Edge Detection in cDNA<br />
Microarray Images, International Conference on Biomedical Electronics and Devices, BIODEVICES, p.<br />
359-363, ISBN 978-989-8111-64-7, 2009<br />
[16] Monica Borda, Bogdan Belean, Romulus Terebeş, Raul Malutan, Metodă şi arhitectură hardware<br />
pentru adresarea automată a imaginilor microarray, cerere <strong>de</strong> brevet național, OSIM nr. A10018,<br />
13.09.2010<br />
[12] Belean, B., Borda, M., Le Gal, B., Terebeş, R., Application specific architectures for a FPGA<br />
based cDNA microarray image proces<strong>si</strong>ng system, Journal of Signal Proces<strong>si</strong>ng Systems, Springer Verlag,<br />
articol trimis spre publicare 25.07.2010.<br />
Barna Keresztes, Bogdan Belean, Monica Borda, Olivier Lavialle, Microarray Image Segmentation<br />
U<strong>si</strong>ng Marked Point Processes, Buletinul Științific al Univer<strong>si</strong>tăţii “Politehnica” din Timișoara, Fascicola<br />
1, ISSN 1583-3380, pp. 124 – 129, 2010<br />
Distincţii<br />
Medalie <strong>de</strong> aur<br />
Monica Borda, Bogdan Belean, Romulus Terebeş, Raul Măluţan, pentru invenția: Method and<br />
hardware architecture for the automatic addres<strong>si</strong>ng of microarray images, International Warsaw<br />
Invention Show IWIS 2010.<br />
Medalie <strong>de</strong> argint<br />
Monica Borda, Bogdan Belean, Romulus Terebeş, Raul Măluţan, pentru invenția: Metodă şi<br />
arhitectură hardware pentru adresarea automată a imaginilor microarray, Salonul Inventika Bucureşti,<br />
2010.<br />
Altera Best Paper Award<br />
Ro<strong>de</strong>llar, V., Díaz, F., Belean, B., Malutan, R. Stetter, B., Gómez, P., Martínez, R., García, E.,<br />
Peláez, J., Genomic Microarray Image Proces<strong>si</strong>ng on a FPGA for Portable Remote Applications,<br />
Proceedings of IEEE 3rd Southern Conference on Programmable Logic.<br />
30