Geri Dön

Analysis and processing of histopathological images

Histopatolojik görüntülerin analizi ve işlenmesi

  1. Tez No: 328449
  2. Yazar: SİBEL BARDAKÇI
  3. Danışmanlar: DOÇ. DR. OLCAY AKAY
  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: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 101

Özet

Nöroblastom çoğunlukla bebekleri ve çocukları etkileyen nöral hücre kökenli bir kanserdir. Tümörün tedavi planlaması için patologlar tarafından histopatolojik inceleme gerekmektedir. Bu histolojik analiz hastalık evresini tespit etmek ve tedavi yöntemleri hakkında bilgi vermek için uzman hekimlere rehberlik eder.Ne yazık ki patologlar tarafından mikroskop altında yapılan nitel görsel inceleme uzun süren bir işlemdir ve çeşitli faktörlerden dolayı hata yapmaya yatkındır. Öncelikle, nöroblastom teşhisi için, patologlar genel olarak daha düşük büyütme oranlarında (2x, 4x, vs.) bazı belirgin bölgeleri alırlar. Tüm slayt hakkındaki son karar bu örnek bölgelere bağlıdır. Bu yaklaşım doğru karar verilmesini sağlasa da heterojen tümörler için yanıltıcı olabilir. İkinci olarak, son teşhis farklı kişilerin incelemesine göre önemli ölçüde farklılık gösterebilmektedir. Deneyim ve yorgunluk patologlar arasında önemli farklılıklara neden olabilir.Bu tezin amacı, görüntü işleme ve sınıflandırma teknikleri kullanarak bir algoritma geliştirmek ve bu algoritma ile teşhisi patologlar için mümkün olduğunca kolaylaştırarak kişisel hataları en aza indirmektir. Bu amaçla, nöroblastom hastasından alınan doku örneğine ait görüntüler histolojik olarak incelenmekte ve analiz edilmektedir. Nöroblastom doku örneğinden elektron mikroskobu yardımı ile farklı büyütme oranlarında görüntüler alınmaktadır. Bu alınan görüntüler kullanılarak nöropil yüzdesi hesaplanır ve tümör hücreleri tespit edilir. Çeşitli görüntü işleme teknikleri uygulandıktan sonra resimlerden çıkarılan bölgesel ve dokusal öznitelikler ile öznitelik matrisleri oluşturulur. Daha sonra bu öznitelik matrisleri yapay sinir ağları ve diğer bazı otomatik öğrenme algoritmalarına giriş olarak kullanılarak hücrelerin sınıflandırılması sağlanmaktadır. Bu sınıflandırma sonuçlarına bağlı olarak mitosis karyoreksis (MK) indeksi ve diferansiyasyon derecesi hesaplanmaktadır. Bu sayede nöroblastom doku görüntülerinden hastalık safhası tespit edilerek patologlara yardımcı bir araç sağlanmaktadır.

Özet (Çeviri)

Neuroblastoma (NB) is a cancer of nerve cell origin commonly affecting infants and children. For treatment planning of the tumor, histopathological examinations performed by expert pathologists are required to characterize the histology. This analysis guides the experts to determine the histological character stage and gives information about treatment methods.Unfortunately, the qualitative visual examination performed by pathologists under the microscope is tedious and prone to error due to several factors. First, for NB diagnosis, pathologists typically pick some representative regions at lower magnifications (e.g. 2×, 4×) and examine only those regions. The final decision about the entire slide is based on these sampled regions. Although this approach provides accurate decisions, it may be misleading for heterogeneous tumors. Second, the resulting diagnosis varies considerably between different examiners. Experience and fatigue may cause variations among pathologists.The purpose of this thesis is to develop an algorithm by using image processing and classification techniques and decrease the decision variations to the lowest level by simplifying the diagnosis for the pathologists as much as possible. For this goal, images belonging to the tissue samples of NB taken from the patient are examined histologically and analyzed. The images with different magnifications are captured by using the electron microscope. The percentage of neuropil is calculated and the tumor cells are determined by using these captured images. After the application of various image processing techniques, the feature matrices are created by using the extracted region and texture features. Then, via these feature matrices, classification of the cells are performed with the help of artificial neural networks (ANNs) and some other machine learning algorithms (ensemble methods). Depending on these classification results, mitosis karyorrhexis (MK) index and the grade of differentiation are determined. Thanks to these calculations, a computer-based tool is provided to pathologists for determining the stage of NB disease from the tissue images.

Benzer Tezler

  1. Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması

    Classification of histopathological breast cancer images by deep learning methods

    GİZEM IRMAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET SAYGILI

  2. 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

  3. 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

  4. Derin öğrenme ile histopatolojik görüntü analizi

    Histopathological image analysis using deep learning

    ŞABAN ÖZTÜRK

    Doktora

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAYRAM AKDEMİR

  5. Sayısal patoloji görüntülerinin analizinde yenilikçi derin öğrenme yaklaşımlarının geliştirilmesi

    Development of innovative deep learning approaches in the analysis of digital pathology images

    YUSUF ÇELİK

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT KARABATAK