Geri Dön

Image processing methods for computer-aided interpretation of microscopic images

Mikroskopik görüntülerin bilgisayar destekli yorumlanması için imge işleme yöntemleri

  1. Tez No: 313531
  2. Yazar: MUSA FURKAN KESKİN
  3. Danışmanlar: PROF. DR. A. ENİS ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  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: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Hesaplama gücündeki kayda değer büyüme ile birlikte, imge işleme algoritmalarınınmikroskopik görüntülerin otomatik analizinde kullanımı son on yıldagiderek popüler hale gelmiştir. Yüksek işlem hacimli tarama cihazlarının ortayaçıkışı mikroskopik görüntülerin bilgisayar destekli yorumlanmasına imkantanımıştır. Bu gelişme, klinik karar alma süreçlerini kolaylaştıracak olan hızlıve objektif görüntü yorumlama sonucunu doğurmuştur. Bu tezde, biyoloji vehistopatoloji alanlarından iki görüntü analizi problemine çözüm üretme amacıyla,yeni yöntemler sunulmuştur.Bu problemlerden ilki, insandan elde edilen kanser hücre çizgi görüntülerininsınıflandırılmasıdır. Kanser hücre çizgileri tüm dünyada laboratuvarlardaaraştırma amacıyla yaygın bir biçimde kullanılmaktadır. Moleküler biyolojiçalışmalarında araştırmacılar, ait olduğu sınıf sürekli olarak doğrulanmasıgereken çok sayıda numune ile çalışmaktadır. Kanser hücre çizgi görüntülerininsınıflandırılması için özgün bir bilgisayar destekli yöntem sunulmuştur. Düzensizkanser hücre paternleri içeren mikroskop görüntüleri, önplan piksellerine karşılıkgelen yerel pencereler ile temsil edilmiştir. Her yerel pencere için, çift-ağaçkarmaşık dalgacık dönüşümü (DT-CWT) katsayılarını piksel öznitelikleri olarakkullanan bir kovaryans tanımlayıcısı hesaplanmıştır. Sınıflandırma amacıyla RBFçekirdekli Destek Vektör Makinası (SVM) kullanılmıştır. 14 farklı sınıf için,% 98 ortalama doğruluk oranı elde edilmiştir, ki bu klasik kovaryans tabanlıyöntemlerden daha iyi bir sonuçtur.Histopatolojik görüntü analizi problemi ise foliküler lenfoma (FL) hastalığınınderecelendirilmesi ile ilgilidir. FL, lenf sisteminde sık karşılaşılan kanser çeşitlerinden biridir.FL derecelendirmesi, hematoksilin ve eozin (H&E) ile lekelendirilmiş doku parçalarınınpatologlar tarafından histolojik incelemeye tabi tutulmasıile gerçekleştirilir ve patologlar kötü huylu sentroblast (CB) hücrelerini elile sayarak klinik kararlar alırlar. Bu derecelendirme yöntemi, gözlemci içinde vegözlemciler arasında ciddi bir değişkenlik ve örnekleme kaynaklı hatalar ile karşıkarşıyadır. H&E lekeli FL doku örneklerinde CB hücrelerinin tespiti amacıylabilgisayar destekli bir yöntem sunulmu¸stur. Önerilen algoritma, Gauss farkıgörüntülerinin ölçek-alan uçdeğerlerinde yer alan blob benzeri hücre bölgelerinitespit etmek için, FL görüntülerinin ölçek-alan temsilinden faydalanmaktadır.Bazı istatistiksel bölge öznitelikleri ve gri-düzey birliktelik matrisi (GLCM), gri-düzeysıra-uzunluk matrisi (GLRLM) ve ¨ Olçek Değişimsiz Öznitelik Dönüşümü(SIFT) gibi dokusal öznitelikler kullanılarak, çok aşamalı yanlış alarm elemestratejisi uygulanmıştır. Algoritma, 30 görüntü üzerinde değerlendirilmiş ve %90CB tespit doğruluk oranı elde edilmiştir. Bu oran, uzman hematopatologlarınortalama doğruluk oranından üstündür.

Özet (Çeviri)

Image processing algorithms for automated analysis of microscopic images havebecome increasingly popular in the last decade with the remarkable growth incomputational power. The advent of high-throughput scanning devices allowsfor computer-assisted evaluation of microscopic images, resulting in a quick andunbiased image interpretation that will facilitate the clinical decision-making process.In this thesis, new methods are proposed to provide solution to two imageanalysis problems in biology and histopathology.The first problem is the classification of human carcinoma cell line images.Cancer cell lines are widely used for research purposes in laboratories all overthe world. In molecular biology studies, researchers deal with a large numberof specimens whose identity have to be checked at various points in time. Anovel computerized method is presented for cancer cell line image classification.Microscopic images containing irregular carcinoma cell patterns are representedby subwindows which correspond to foreground pixels. For each subwindow,a covariance descriptor utilizing the dual-tree complex wavelet transform (DTCWT)coefficients as pixel features is computed. A Support Vector Machine(SVM) classifier with radial basis function (RBF) kernel is employed for finalclassification. For 14 different classes, we achieve an overall accuracy of 98%,which outperforms the classical covariance based methods.Histopathological image analysis problem is related to the grading of follicularlymphoma (FL) disease. FL is one of the commonly encountered cancer types inthe lymph system. FL grading is based on histological examination of hematoxilinand eosin (H&E) stained tissue sections by pathologists who make clinical decisionsby manually counting the malignant centroblast (CB) cells. This gradingmethod is subject to substantial inter- and intra-reader variability and samplingbias. A computer-assisted method is presented for detection of CB cells in H&EstainedFL tissue samples. The proposed algorithm takes advantage of the scalespacerepresentation of FL images to detect blob-like cell regions which reside inthe scale-space extrema of the difference-of-Gaussian images. Multi-stage falsepositive elimination strategy is employed with some statistical region propertiesand textural features such as gray-level co-occurrence matrix (GLCM), gray-levelrun-length matrix (GLRLM) and Scale Invariant Feature Transform (SIFT). Thealgorithm is evaluated on 30 images and 90% CB detection accuracy is obtained,

Benzer Tezler

  1. Hızlı hastalık teşhis testlerinin bilgisayar tabanlı otomatik okunması ve hekimlerin e-rapor ile bilgilendirilmesi

    Automatic reading of rapid diagnostic tests and informing the clinicians with e-report

    OSMAN SEMİH KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İSA YILDIRIM

    YRD. DOÇ. DR. HAYDAR ÖZKAN

  2. Görüntü işleme teknikleriyle meme kanserinin teşhisi

    Diagnosis of breast cancer with image processing techniques

    GÜLİZ TOZ

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce Üniversitesi

    Elektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PAKİZE ERDOĞMUŞ

  3. Bulanık yerel bilgi c-ortalamalar algoritmasıyla histopatolojik görüntü bölütleme

    Fuzzy local information c-means algorithm for histopathological image segmentation

    MUSTAFA ÇETİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TAMER ÖLMEZ

  4. Sayısal arazi modeli ve batimetrik verilerin kıyı bilgi sistemine entegrasyonu

    Başlık çevirisi yok

    CİHANGİR AYDÖNER

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Uzaktan Algılama Ana Bilim Dalı

    PROF. DR. DERYA MAKTAV

  5. Kemik tümörlerinin bilgisayarlı tomografi görüntülerinden otomatik bölütlenmesi: Kalkaneus kemiği örneği

    Automatic segmentation of bone tumors in computed tomography images: Case study of calcaneus bone

    HATİCE ÇATAL REİS

    Doktora

    Türkçe

    Türkçe

    2015

    BiyomühendislikYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT BAYRAM