Geri Dön

Local object patterns for tissue image representation and cancer classification

Kanser sınıflandırma ve doku görüntü temsilinde lokal nesne desenleri

  1. Tez No: 335859
  2. Yazar: GÜLDEN OLGUN
  3. Danışmanlar: YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 63

Özet

Histopatolojik doku incelemesi kanser teşhis ve derecelendirmesinde rutin olarak uygulanan yöntemdir. Fakat, bu inceleme pataloğun uzmanlığına ve deneyimine bağlı olan görsel çıkarımlar gerektirdiği için öznellik içerir. Sonuçlardaki öznelliğin etkisini azaltmak için doku görüntüsünü nicel özelliklerle temsil eden ve bu özellikleri kullanarak doku sınıflandırması ve derecelendirmesi yapan otomatik kanser tanı ve derecelendirme sistemleri önerilmiştir. Bu tezde, etkili bir şekilde histopatolojik doku görüntülerini temsil etmek ve sınıflandırmak için yeni bir yaklaşım sunulmuştur. Bu yaklaşımda, doku görüntülerinin histolojik bileşenlerine ayrılması önerilmiş ve bu bileşenlerin doku içerisindeki dağılımını modellemek için lokal nesne desenleri olarak adlandırdığımız yeni bir grup örgüsel tanımlayıcı ortaya konulmuştur. Bu tanımlayıcılar, lokal ikili desenler yönteminin mantığı kullanılarak tanımlanmıştır. Ancak, pikseli, komşularının göreceli yoğunluğuna göre ikili bir dizi kurarak niceleyen piksel seviyesindeki lokal ikili desenlerin aksine, doku bileşenlerini nicelemek amacıyla, lokal nesne desen tanımlayıcıları bileşen seviyesinde tanımlanmıştır. Bu amaçla, değişik lokallik alanındaki komşuluklar belirlenmiş ve belirlenen komşuluklardaki bileşenlerin uzaydaki düzeni kodlanmıştır. Sonrasında, histolojik bileşenleri karakterize etmek amacıyla, bu dizilerden örgüsel tanımlayıcılar çıkartılmış ve bu şekilde karakterize edilmiş bileşenlerden resmin kelime-torbası temsili oluşturulmuştur. Bu tezde, bileşenlerin seçilmesi için iki yaklaşım kullanılmıştır: İlk yaklaşım kelime-torbası temsilini çıkartmak için tüm bileşenleri kullanırken, ikinci yaklaşım çizge yürümesi ile birden fazla bileşen alt kümesi seçmiş ve bunlardan birden fazla kelime-torbası temsili oluşturmuştur. Mikroskopik histopatolojik kolon doku görüntüleri üzerinde yaptığımız deneyler, önerilen bileşen seviyesindeki örgüsel tanımlayıcıların önceki örgüsel yaklaşımlara göre daha yüksek doğruluk oranları verdiğini göstermektedir.

Özet (Çeviri)

Histopathological examination of a tissue is the routine practice for diagnosis and grading of cancer. However, this examination is subjective since it requires visual interpretation of a pathologist, which mainly depends on his/her experience and expertise. In order to minimize the subjectivity level, it has been proposed to use automated cancer diagnosis and grading systems that represent a tissue image with quantitative features and use these features for classifying and grading the tissue. In this thesis, we present a new approach for effective representation and classifi cation of histopathological tissue images. In this approach, we propose to decompose a tissue image into its histological components and introduce a set of new texture descriptors, which we call local object patterns, on these components to model their composition within a tissue. We de fine these descriptors using the idea of local binary patterns. However, we de fine our local object pattern descriptors at the component-level to quantify a component, as opposed to pixel-level local binary patterns, which quantify a pixel by constructing a binary string based on relative intensities of its neighbors. To this end, we specify neighborhoods with diff erent locality ranges and encode spatial arrangements of the components within the specifi ed local neighborhoods by generating strings. We then extract our texture descriptors from these strings to characterize histological components and construct the bag-of-words representation of an image from the characterized components. In this thesis, we use two approaches for the selection of the components: The first approach uses all components to construct a bag-of-words representation whereas the second one uses graph walking to select multiple subsets of the components and constructs multiple bag-of-words representations from these subsets. Working with microscopic images of histopathological colon tissues, our experiments show that the proposed component-level texture descriptors lead to higher classi fication accuracies than the previous textural approaches.

Benzer Tezler

  1. 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

  2. Histopatolojik görüntülerde tümör bölütlenmesi

    Tumor segmentation in histopathological images

    ZEHRA BOZDAĞ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMED FATİH TALU

  3. Uzaktan algılama görüntülerinde geoistatistiksel yöntemler ile doku analizi

    Texture analysis on remote sensing images with geostatistical methods

    ÖZER AKYÜREK

    Doktora

    Türkçe

    Türkçe

    2019

    Jeodezi ve FotogrametriKocaeli Üniversitesi

    Jeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OZAN ARSLAN

  4. Bekleyiş halindeki yer; mimari programın tanımlayamadığı bağımsız gündelik yaşantı aralıkları

    A place of expectation; independent daily life intervals which architectural program can not define

    ALPER GÜLLE

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    FelsefeAnadolu Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. BERNA ÜSTÜN

  5. Biyokültürel evrim modeli: Müzik uygulamaları

    Biocultural evolution model: Music practices

    GÜNCEL GÜRSEL ARTIKTAY

    Doktora

    Türkçe

    Türkçe

    2023

    Müzikİstanbul Teknik Üniversitesi

    Müzikoloji ve Müzik Teorisi Ana Bilim Dalı

    PROF. DR. BELMA OĞUL

    PROF. DR. KEREM CANKOÇAK