Histopatolojik görüntülerde mitoz belirleme
Mitosis detection in histopathological images
- Tez No: 343907
- Danışmanlar: YRD. DOÇ. DR. GÖKHAN BİLGİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 71
Özet
Son yıllarda teknolojinin gelişmesiyle sayısal histopatolojide oldukça önemli gelişmeler yaşandı. Yüksek çözünürlüklü görüntüleme teknolojisinin gelişmesiyle birlikte histopatolojik görüntülerde Bilgisayar Destkli Teşhis (BDT) yapmak olağan hale geldi. Elde edilen görüntülere birçok sinyal ve görüntü işleme, örüntü tanıma ve makine öğrenmesi yöntemleri uygulanmaktadır. Histopatolojide son zamanlarda teknolojinin de gelişmesiyle son derece önemli adımlar atılmıştır. Bu yüksek çözünürlüklü görüntüleme teknolojisinde yaşanan gelişmelerle birlikte histopatolojik görüntüler üzerinde bilgisayar destekli analizler yapma imkanı da artmıştır. Bilgisayar desteğinin artması da bu yüksek çözünürlüklü veriler üzerinde işaret ve görüntü işleme, örüntü tanıma ve makine öğrenmesi yöntemleri uygulanagelmiştir. Histopatolojik görüntülerde mitoz belirleme, hastalığın teşhisi açısından büyük rol oynadığından özellikle bu konuda birçok çalışma yapılmaktadır. Gerek üniversiteler gerekse özel sektör Bilgisayar Destekli Teşhis (BDT) konusunda ar-ge çalışmaları yapmaktadır. Bu çalışmaların temel amacı hem patologların iş yükünü azaltmak hem de bu konuda insan faktöründen kaynaklanan hataların hastaya etkisini azaltmaktır. Histopatolojide ilk safha görüntüdeki hücresel yapıların diğer hücresel olmayan yapılardan ayrılmasıdır. Elimizdeki farklı tarayıcılardan çekilen histopatolojik görüntülere örüntü tanıma veya makine öğrenmesi yöntemlerini uygulayıp görüntüdeki ilgili hücreleri bulmayı sağlarız. Hücrelerin tespiti için hücre büyüklüklerinin, şeklinin, sınırların ve dağılımının doğru olarak belirlenmesi gerekmektedir. Hücreler ayrıldıktan sonra mitozlu ve mitozsuz hücre ayırımının yapılması işlemi gerçekleştirilmektedir. Öznitelik çıkarma işlemi, histopatolojik görüntülerde mitotik ve mitotik olmayan bölgelerin ayrılmasında oldukça önem arz etmektedir. Bu bağlamda, ilk yaklaşımda hücrelerin farklı şekilsel bilgileri referans alınarak insan tanımada sıkça kullanılan ve farklı alanlarda da etkinliği öne çıkan yönlü gradyanlar histogramın (YGH- Histogram of Oriented Gradients)?dan faydalanılarak öznitelik çıkarma işlemi gerçekleştirilmiştir. Çalışmanın ikinci yaklaşımında ise ilk yaklaşımdan farklı olarak öznitelik çıkarımı, seçilen her bir pikselin farklı pencere boyutlarına ait gri-düzey eş oluşum matrisleri (GDOM- Gray-level Co-occurrence Matrices) elde edilerek Haralick dokusal tanımlayıcısına aktarılmış buradan her bir pencere boyutuna ait o pikseli temsil eden öznitelik vektörleri elde edilmiştir. Öznitelik çıkarma işleminden sonra, elde edilen öznitelik vektörleri eğiticili sınıflandırma yöntemleri olan DVM, Rastgele ormanlar (RasOr) ve Rotasyon ormanları (RotOr) yöntemleriyle sınıflandırılmıştır. Piksel tabanlı sınıflandırmada farklı renk uzaylarının sınıflandırmaya etkisinin incelenebilmesi için görüntüler La*b* renk uzayına dönüştürülmüştür. Bu çalışmada renk uzaylarının sınıflandırma başarısına etkisinin çok fazla bir etkisinin olmadığı saptanmıştır. Elde edilen eğiticili sınıflama sonuçları nesnel karşılaştırma kıstasları kullanılarak değerlendirilip yorumlanmıştır.
Özet (Çeviri)
In the last decades extremely important developments have been realized with the advance of technology in digital histopathology. Now, it is possible to make Computer-Aided Diagnosis (CAD) on histopathological images with advances in high-resolution imaging technology. Various algorithms from signal and image processing, pattern recognition and machine learning methods have been applied to histopathological images. Several studies have been done especially on mitosis detection stage in histopathological images, which plays major role in diagnosis of cancer. With the research and development (R&D) studies on Computer-Aided Diagnosis (CAD) in universities and the private sector have reached promising results on cancer diagnosis and prognosis. The main purposes of these studies are to reduce the workload of pathologists and the impact of errors caused by human factor. The first stage in digital histopathology is to separate cellular structures from non-cellular structures. Those cellular structures are extracted by applying pattern recognition and machine learning methods to the images taken from high resolutional scanners. The cell sizes, boundaries, distributions and shapes are very important for a good detection of cellular structures. After the separation of cellular structures, mitotic and non-mitotic cells must be determined as much as possible. Feature extraction stage is a very important step to distinguish the mitotic cells from non-mitotic ones. In this context; in the first approach of this thesis study, the feature extraction stage has been realized by using Histogram of Oriented Gradients (HOG) which is commonly used for human detection. In the second approach, Haralick texture descriptor method is used with making use of spatial relevance. In this method, feature vectors of each specific pixel are extracted by gray level co-occurrence matrices (GLCM) of a predefined pixel region. After feature extraction stage, the classification process is performed with supervised learning algorithms; Support Vector Machines (SVM), Random Forest (RaF), and Rotation Forest (RotF) algorithms. Histopathological images have been also transformed to La*b* color space besides RGB color space. The classification result has presented comparatively in tables. In the second approach, the classification is performed with random forest (RaF) algorithm. Both the effects of RGB and La*b* color spaces to the classification result have compared pairwise. But it is proved that color spaces have little effects on classification results in the favor of La*b* colorspace.
Benzer Tezler
- Dijital histopatoloji görüntüleri üzerinde meme kanseri tespiti
Detection of breast cancer on digital histopathology images
ZEYNEP YILDIRIM
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. REFİK SAMET
- Glial beyin tümörlerinin evrelendirilmesinde manyetik rezonans perfüzyon görüntülemenin yeri
The Role of magnetic resonance perfusion imaging in grading of glial brain tumors
M. ERDEM YILDIZ
- Vision transformer tabanlı öz denetimli öğrenme ile histopatolojik görüntülerde mitoz hücrelerinin tespiti
Detection of mitosis cell in histopathological images using vit-based self-supervised learning
MUHAMMED CİHAD ARSLANOĞLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ACAR
DOÇ. DR. ABDÜLKADİR ALBAYRAK
- T1-4 N0-3 M0 oral kavite kanserlerinde sentinel lenf nodunun saptanmasında lenfosintigrafi ve dual faz F-18 FDG PET-BT'nin tanısal değeri
The diagnostic role of Dual phase F-18 FDG PET-CT and lymphoscintigraphy for the detection of sentinel lymph node in the patients with T1-4 N0-3 M0 oral cavity cancers
ERDEM SÜRÜCÜ
Tıpta Uzmanlık
Türkçe
2011
Radyoloji ve Nükleer TıpDokuz Eylül ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. BERNA DEĞİRMENCİ POLACK
- Histopatolojik görüntüler üzerinde bölge büyütme yöntemi ile mitoz sayımı
Counting mitosis with region growing method on histopathological images
DİLEK SÖNMEZER
Yüksek Lisans
Türkçe
2012
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FATMA LATİFOĞLU