Analysis and processing of histopathological images
Histopatolojik görüntülerin analizi ve işlenmesi
- Tez No: 328449
- Danışmanlar: DOÇ. DR. OLCAY AKAY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2012
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Classification of histopathological breast cancer images by deep learning methods
GİZEM IRMAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET SAYGILI
- Bulanık yerel bilgi c-ortalamalar algoritmasıyla histopatolojik görüntü bölütleme
Fuzzy local information c-means algorithm for histopathological image segmentation
MUSTAFA ÇETİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Histopatolojik görüntülerde bez bölütleme için çoklu görev öğrenimi
Multi-task learning for gland segmentation in histopathological images
İMAN REZAZADEHKHIAVI
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. PINAR DUYGULU ŞAHİN
- Derin öğrenme ile histopatolojik görüntü analizi
Histopathological image analysis using deep learning
ŞABAN ÖZTÜRK
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAYRAM AKDEMİR
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KARABATAK