Local object patterns for tissue image representation and cancer classification
Kanser sınıflandırma ve doku görüntü temsilinde lokal nesne desenleri
- Tez No: 335859
- Danışmanlar: YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. ERDAL PANAYIRCI
- Histopatolojik görüntülerde tümör bölütlenmesi
Tumor segmentation in histopathological images
ZEHRA BOZDAĞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH TALU
- Uzaktan algılama görüntülerinde geoistatistiksel yöntemler ile doku analizi
Texture analysis on remote sensing images with geostatistical methods
ÖZER AKYÜREK
Doktora
Türkçe
2019
Jeodezi ve FotogrametriKocaeli ÜniversitesiJeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. OZAN ARSLAN
- 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
- Biyokültürel evrim modeli: Müzik uygulamaları
Biocultural evolution model: Music practices
GÜNCEL GÜRSEL ARTIKTAY
Doktora
Türkçe
2023
Müzikİstanbul Teknik ÜniversitesiMüzikoloji ve Müzik Teorisi Ana Bilim Dalı
PROF. DR. BELMA OĞUL
PROF. DR. KEREM CANKOÇAK