Automatic identification of abnormal regions in digitized histology cross-sections of colonic tissues and adenocarcinomas using quasi-supervised learning
Kolorektal doku ve kolorektal denokarsinom sayısal histoloji kesitlerindeki anormal bölgelerin yarı-güdümlü öğrenme kullanılarak otomatik belirlenmesi
- Tez No: 320727
- Danışmanlar: DOÇ. DR. BİLGE KARAÇALI
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Doku analizi, Karsinoma, Kolon neoplazmları, Otomatik tanıma, Patoloji, Texture analysis, Carcinoma, Colonic neoplasms, Automatic identification, Pathology
- Yıl: 2012
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada histopatolojik görüntülerdeki desenlerin yarı-güdümlü öğrenme yardımıyla tanınması amacıyla bir metodoloji geliştirilmiştir. Sözkonusu metodoloji, desen vektörlerinin hesaplanması ve sonrasında uygulanan yarı-güdümlü öğrenme aşamalarından oluşmaktadır. Bu çalışma kapsamında, adenokarsinom içeren hematoksilen ve eosin boyama uygulanmış kolorektal histopatoloji kesitleri analize tabi tutulmuştur. Yarı-güdümlü öğrenme yöntemi, biri dolaylı yolla sağlıklı olarak belirlenmiş, diğeri üzerinde hiç bir işaretleme yapılmamış sağlıklı/kanserli örnekler olmak üzere iki ayrı vektör grubu üzerinde çalışır. Bu sayede, yarı-güdümlü öğrenme yöntemi geleneksel güdümlü öğrenme yöntemlerinin ihtiyaç duyduğu sağlıklı ve kanserli bÖlgelerin teker teker işaretlemesine gerek duymaz ve dolayısıyla uzman müdahelesi ihtiyacını önemli ölçüde azaltır. Önerilen yöntem, çeşitli desenvektÖr hesaplama parametreleri kullanılarak elde edilmiş desen vektör veri kümeleri üzerinde kullanılmıştır. Önerilen yöntemin desen tanıma başarımları, tümü elle işaretlenmiş desenleri kullanan kabul gÖrmüş bir güdümlü Öğrenme yöntemi ile karşılaştırılmıştır. Sözkonusu güdümlü öğrenme yöntemi fazla uzman müdahelesi gerektirdiği için alternatif sunduğumuz güdümlü yöntemlerinden birisidir. Bu çalışmada önerilen yöntemin tanıma başarımını arttırmak amacıyla çeşitli vektörboyut azaltma yaklaşımları denenmiştir. Bu yaklaşımlardan Bağımsız Bileşenler Analizi yöntemi önerilen yönteme ait desen tanıma başarımını arttırmıştır. Sonuç olarak, kolorektal histopatoloji kesitleri üzerinde yapılan deneyler, kanserli bölgeler içeren doku kesitlerinin tek tek elle işaretlenmiş verileri kullanmadan başarılı bir şekilde tanındığını göstermiştir.
Özet (Çeviri)
In this thesis, a framework for quasi-supervised histopathology image texture identification is presented. The process begins with extraction of texture features followed by a quasi-supervised analysis.Throughout this study, light microscopic images of the hematoxylin and eosin stained colorectal histopathology sections containing adenocarcinoma were quantitatively analysed.The quasi-supervised learning algorithm operates on two datasets, one containing samples of normal tissues labelled only indirectly and in bulk, and the other containing an unlabelled collection of samples of both normal and cancer tissues. As such, the algorithm eliminates the need for manually labelled samples of normal and cancer tissues commonly used for conventional supervised learning and significantly reduces the expert intervention.Several texture feature vector datasets corresponding to various feature calculation parameters were tested within the proposed framework. The resulting labelling and recognition performances were compared to that of a conventional powerful supervised classifier using manually labelled ground-truth data that was withheld from the quasi-supervised learning algorithm. That supervised classifier represented an idealized but undesired method due to extensive expert labelling.Several vector dimensionality reduction techniques were evaluated an improvement in the performance. Among the alternatives, the Independent Component Analysis procedure increased the performance of the proposed framework.Experimental results on colorectal histopathology slides showed that the regions containing cancer tissue can be identified accurately without using manually labelled ground-truth datasets in a quasi-supervised strategy.
Benzer Tezler
- 1,3-difenil-4,5-bis(hidroksiimino)-imidazolidin ve Ni(II), Cu(II), Pd(II), UO2(VI) komplekslerinin sentezi
Başlık çevirisi yok
VEFA AHSEN
Doktora
Türkçe
1984
Kimya MühendisliğiUludağ ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZER BEKAROĞLU
- Üniversitelerdeki öğrenci işlerinin mikrobilgisayarlar yardımı ile çözümlenmesine ilişkin bir araştırma
Başlık çevirisi yok
SAİT ESLEK
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. HALİL ŞENGONCA
- Kısa zincirli bazı alkil aromatik hidrokarbonların yüzey aktif madde olarak kullanım alanlarının incelenmesi
Performance of short-chain alkyl aromatic sulphonates in light duty foaming detersents
BİKEM ÖVEZ
- Elma suyu aroma maddeleri üzerine çalışmalar
Başlık çevirisi yok
DOĞAN YÜKSEL
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. COŞKAN ILICALI
- Design and implementation of an automated examination system
Başlık çevirisi yok
MUSTAFA TÜTÜNCÜ
Yüksek Lisans
İngilizce
1987
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. BÜLENT EPİR