Geri Dön

Segmentation of colon glands by object graphs

Kalın bağırsak bezlerinin nesne çizgeleriyle bölümlenmesi

  1. Tez No: 177194
  2. Yazar: MELİH KANDEMİR
  3. Danışmanlar: YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
  12. Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  13. Sayfa Sayısı: 92

Özet

Histopatolojik inceleme, kanseri de içeren büyük bir hastalık grubunun tanısı içinen sık kullanılan klinik tanı tekniklerinden birisidir. İnsan gözüyle uygulananbu yöntemin içerdiği gözlemci tutarsızlığını ve manüel harcanan eforu azaltmakiçin birçok sayısal yöntem önerilmiştir. Bu yöntemler, dokuyu bir matematikselözellikler kümesi olarak tanımlar. Tanımlanan özellikleri sonraki biyopsi analizleri için kullanır.Bez yapıları içeren doku tiplerinde, bezlerde meydana gelendeğişikliklerin incelenmesi bu analizlerden bir tanesidir. Böyle analizlerde ilkadım, dokudaki bezsel alanları bolümlemektir.Bu tezde, bağırsak bezlerinin bölümlenmesi için nesne tabanlı bir yöntemönerilmektedir. Bu yöntemde, görüntüden bir basit nesneler kümesi çıkartılmasıve bu nesnelerin uzamsal dağılımları kullanılarak bezlerin konumlarının tespitedilmesi önerilmiştir. Önerilen bu yöntemde, pikseller öncelikle çeşitli histolojikyapılara karşılık gelecek şekilde, renk yoğunluklarına göre gruplanır. Ardından,kümelenmiş görüntüden bir basit dairesel nesneler kümesi (lümen bölgeleri içinbeyaz nesneler ve hücresel bölgeler için siyah nesneler) elde edilir ve bu nesnelerdenuzamsal dağılımlarını nicelemek amacıyla bir çizge oluşturulur. Sonrasında,bu çizgeden bir dizi özellik çıkartılır ve çıkartılan bu özellikler bez adaylarınınbaslangıç çekirdek noktalarını belirlemek için kullanılır. Bu çekirdek noktalarındanbaşlayarak ve siyah nesnelerin konumları gözetilerek, bezlerin iç bölgelerialan büyütme yöntemiyle tespit edilir. Son olarak, bezlere ait olmayan alanlar,tespit edilen iç bölgelerden çıkartılmış bir diğer özellik kümesi sayesinde elenirve geriye kalan gerçek bezlerin sınırları, bu bezlerin yakınındaki siyah nesnelerinkonumları gözetilerek belirlenir.Kalın bağırsak biyopsi görüntüleri üzerinde yaptığımız deneyler, önerdiğimizbu yöntemin yüksek hassasiyet, belirlilik ve doğruluk oranları sağlayabildiğini göstermiştir.Ayrıca, deneylerimizden elde ettiğimiz sonuçlar bu yöntemin,daha önceki çalışmalarda önerilmiş piksel tabanlı bez bölümleme algoritmalarınınperformanslarını istatistiksel anlamlı bir şekilde iyileştirdiğini ortayakoymuştur. Yapılan deneyler, yöntemin nesne tabanlı yapısının, boyama vekesme yöntemindeki farklılıkların yan etkilerine karşı tolerans sağladığını dagöstermiştir. Önerilen bu yöntem, otomatik kanser tanısı ve derecelendirmesiamacıyla, bezlerin daha ileri düzey analizi için bir altyapı da sunmaktadır.

Özet (Çeviri)

Histopathological examination is the most frequently used technique for clinical diagnosis of a large group of diseases including cancer. In order to reduce the observer variability and the manual effort involving in this visual examination, many computational methods have been proposed. These methods represent a tissue with a set of mathematical features and use these features in further analysis of the biopsy. For the tissue types that contain glandular structures, one of these analyses is to examine the changes in these glandular structures. For such analyses, the very first step is to segment the tissue into its glands.In this thesis, we present an object-based method for the segmentation of colon glands. In this method, we propose to decompose the image into a set of primitive objects and use the spatial distribution of these objects to determine the locations of glands. In the proposed method, pixels are first clustered into different histological structures with respect to their color intensities. Then, the clustered image is decomposed into a set of circular primitive objects (white objects for luminal regions and black objects for nuclear regions) and a graph is constructed on these primitive objects to quantify their spatial distribution. Next, the features are extracted from this graph and these features are used to determine the seed points of gland candidates. Starting from these seed points, the inner glandular regions are grown considering the locations of black objects. Finally, false glands are eliminated based on another set of features extracted from the identified inner regions and exact boundaries of the remaining true glands are determined considering the black objects that are located near the inner glandular regions.Our experiments on the images of colon biopsies have demonstrated that our proposed method leads to high sensitivity, specificity, and accuracy rates and that it greatly improves the performance of the previous pixel-based gland segmentation algorithms. Our experiments have also shown that the object-based structure of the method provides tolerance to artifacts resulting from variances in biopsy staining and sectioning procedures. This proposed method offers an infrastructure for further analysis of glands for the purpose of automated cancer diagnosis and grading.

Benzer Tezler

  1. Histopatolojik görüntülerde bez bölütleme için çoklu görev öğrenimi

    Multi-task learning for gland segmentation in histopathological images

    İMAN REZAZADEHKHIAVI

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. PINAR DUYGULU ŞAHİN

  2. Rule based segmentati̇on of colon glands

    Kalın bağırsak bezlerinin kurala dayanarak bölütlenmesi

    SİMGE YÜCEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR

  3. Bilgisayarlı tomografi görüntülerinde derin öğrenme tabanlı çoklu organ segmentasyonu

    Deep learning based multi organ segmentation in computed tomography images

    BEYZA KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ

  4. Dijital histopatoloji görüntüleri üzerinde meme kanseri tespiti

    Detection of breast cancer on digital histopathology images

    ZEYNEP YILDIRIM

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. REFİK SAMET

  5. The automatic segmentation of submandibular salivary glands and classification of sonographic parameters using deep learning methods in ultrasound images

    Ultrasonografi görüntülerinde derin öğrenme yöntemiyle submandibular tükürük bezlerinin otomatik segmentasyonu ve sonografik parametrelerin siniflandirilmasi

    BURAK TUNAHAN ÇİFTÇİ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiGaziantep Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FİRDEVS AŞANTOĞROL