Geri Dön

Object-oriented texture analysis and unsupervised segmentation for histopathological images

Histopatolojik imgelerde nesneye dayalı doku analizi ve öğreticisiz bölütleme

  1. Tez No: 293057
  2. Yazar: AKİF BURAK TOSUN
  3. Danışmanlar: YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Computer Engineering and Computer Science and Control, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  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: Belirtilmemiş.
  13. Sayfa Sayısı: 130

Özet

Kanser tanısı ve derecelendirilmesi için doku örneklerinin pataloglar tarafından incelenmesi gereklidir. Fakat, bu inceleme patalogların dokuyu görsel olarak incelemesinden dolayı oldukça fazla öznelliğe sebep olur. Bu problemi azaltmak için bilgisayar ortamında ölçülebilir değerler ile çalışan sistemler geliştirilmelidir ve imge bölütleme işlemi de bu sistemlerin temel taşıdır. Literatürdeki imge bölütleme yöntemleri dokuları nicelendirmek için genel olarak piksel düzeyindeki renk/yapı tanımlayıcılarını kullanır. Ancak piksel düzeyindeki bu bilgiler doku bileşenlerinin uzamsal organizasyonu gibi patolojiye özgü bilgiyi ifade edebilmek ve bu bilgiyi kullanabilmek için yeterli değildir. Bunun yanında, genel olarak doku resimlerinde oldukça fazla varyasyon ve piksel düzeyinde parazit bulunur; farklı doku bileşenlerinin benzer renk dağılımları, hücre dizilimlerindeki dağılmalar ve fazla boyanmadan dolayı oluşan bölgesel renk karşıtlıkları gibi. Önceki bölütleme yöntemleri piksel düzeyinde tanımlayıcılar kullandıkları için belirtilen bu problemlere karşı daha fazla duyarlıdır.Bu sorunları başarılı bir biçimde çözebilmek için, bu tezde üç yeni yapısal tanımlayıcı sunduk -- bunlar ObjSEG, GraphRLM ve ObjCooc yapıları olarak adlandırıldı -- ve histopatolojik doku resimlerinin bölütlenmesi için bu tanımlayıcıları kullanan yöntemler geliştirdik. Bu tanımlayıcıları yaklaşık olarak dairesel nesnelerle betimlenmiş doku bileşenleri üzerinde hesapladık. Belirtilen nesneye dayalı tanımlayıcılar doku bileşenleri üzerinden çıkarıldıkları için bu bileşenlerin uzamsalorganizasyonunu ve dolaylı olarak patolojiye özgü bilgileri literatürdeki emsallerine kıyasla daha iyi temsil edebilirler. Böylece bu tanımlayıcıları kullanarak geliştirdiğimiz yöntemler de daha verimli ve güçlü sonuçlar çıkarabilır. Ayrıca, bu tanımlayıcılar direk olarak imge pikselleri üzerinden hesaplanmadıkları için piksel düzeyindeki problemleri de azaltma konusunda daha etkilidirler.Deneylerimizde, sunduğumuz nesneye dayalı tanımlayıcıları kullanan imge bölütleme yöntemlerimizi 200 kolon doku imgesinde test ettik. Deneylerimiz, nesneye dayalı bu yeni tanımlayıcıların hem yüksek oranda doğruluk veren bölütleme sonuçları çıkardığını hem de bölütlenmiş alan sayısını makul seviyelerde tutmayı başardığını kanıtladı. Deneysel sonuçlarımız, önceki imge bölütleme yöntemleriyle de karşılaştırıldığında, sunduğumuz yöntemlerin histopatolojik resimlerin bölütlenmesinde daha etkili olduğunu gösterdi.

Özet (Çeviri)

The histopathological examination of tissue specimens is essential for cancer diagnosis and grading. However, this examination is subject to a considerable amount of observer variability as it mainly relies on visual interpretation of pathologists. To alleviate this problem, it is very important to develop computational quantitative tools, for which image segmentation constitutes the core step. The segmentation algorithms in literature commonly use pixel-level color/texture descriptors that they define on image pixels for quantizing a tissue. On the other hand, it is usually harder to express domain specific knowledge about tissues, such as the spatial organization of tissue components, using only the pixel-level descriptors. This may become even harder for tissue images, which typically consist of a considerable amount of variation and noise at their pixel-level, such as similar color distribution of different tissue components, distortion in cell alignments, and color contrast caused by too much stain in a particular region. The previous segmentation algorithms are more susceptible to these problems as they work on pixel-level descriptors.In order to successfully address these issues, in this thesis, we introduce three new texture descriptors, namely ObjSEG, GraphRLM, and ObjCooc textures, and implement algorithms that use these descriptors for segmenting histopathological tissue images. We extract these texture descriptors on tissue components that are approximately represented by circular objects. Since these object-oriented texture descriptors are defined on the tissue components, and hence domain specific knowledge, they represent the spatial organization of the components better than their previous counterparts. Thus, our algorithms based on these descriptors give more effective and robust segmentation results. Furthermore, since the descriptors are not directly defined on image pixels, they are effective to alleviate the pixel-level problems.In our experiments, we tested our algorithms that use the proposed object-oriented descriptors on a dataset of 200 colon tissue images. Our experiments demonstrated that our new object-oriented feature descriptors led to high segmentation accuracies, also providing a reasonable number of segmented regions. Compared with its previous counterparts, the experimental results also showed that our proposed algorithms are more effective in segmenting histopathological images.

Benzer Tezler

  1. Cytological image analysis: Cell classification using textural feature extraction

    Sitolojik görüntü analizi: Tekstür öznitelikleri çıkararak hücre sınıflandırma

    METEHAN MAKİNACI

    Doktora

    İngilizce

    İngilizce

    2000

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    PROF. DR. KEMAL ÖZMEHMET

  2. Doku ve renk öznitelikleriyle tarla görüntülerinden bitki ve fenolojik evrelerinin çıkarımı

    Plant and phenology recognition from field images using texture and color features

    FATİH GÜLAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT

  3. Kent ve kentli kimliğinin günümüz konut lansmanları üzerinden okunması: İstanbul'daki son dönem kapalı konut siteleri

    Reading of the city and the citizen identity on contemporary housing launches: Recent gated communities in Istanbul

    HÜMEYRA KILIÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mimarlıkİstanbul Teknik Üniversitesi

    Kentsel Tasarım Ana Bilim Dalı

    DOÇ. DR. HATİCE AYATAÇ

  4. Antalya ili Aksu ilçesi sınırları içerisinde arazi kullanımı/arazi örtüsünün belirlenmesi ve ürün deseninde yer alan çok yıllık meyve ağaçlarının SAR (Yapay Açıklıklı Radar) verileri ile izlenmesi

    Land use/land cover change detection and crop monitoringof citrus orchards with SAR images in Antalya-Aksu

    IŞIN ONUR

    Doktora

    Türkçe

    Türkçe

    2021

    Astronomi ve Uzay BilimleriAkdeniz Üniversitesi

    Uzay Bilimleri ve Teknolojisi Ana Bilim Dalı

    PROF. DR. NAMIK KEMAL SÖNMEZ

  5. Markov ve Gibbs rastlantı alan modelleri ile doku sentezleme ve sınıflandırma

    Texture synthesis and classification using Markov and Gibbs random field models

    ERDOĞAN CAMCIOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1990

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF. DR. ERDAL PANAYIRCI