Two-tier tissue decomposition for histopathological image representation and classification
Histopatolojik görüntü temsili ve sınıflandırması için iki katmanlı doku ayrıştırma modeli
- Tez No: 360637
- Danışmanlar: 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: 2014
- 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: 68
Özet
Sayısal patolojide, etkin görüntü temsili tasarımı, gürbüz otomatik tanı sistemlerinin geliştirilmesi için çok önemlidir. Histopatolojik görüntüler tipik olarak piksel seviyesinde kayda değer gürültü içerebilmektedir. Bundan dolayı, birçok çalışma, pikselleri doğrudan kullanmak yerine, nesne tabanlı gösterimlerin geliştirilmesini önermiştir. Bu önceki çalışmalar, çoğunlukla, görüntüdeki histolojik doku bileşenlerini yaklaşık temsil edecek şekilde renk bilgisini temel alan nesneler tanımlar ve tanımlanan bu nesnelerin uzamsal dağılımını görüntü temsili ve sınıflandırması için kullanır. Bu nedenle, nesne tanımlamasının, görüntü temsilinde doğrudan etkisi vardır, dolayısıyla da sınıflandırma doğruluğunu etkilemektedir. Bu tezde, histopatolojik görüntülerin etkin temsili ve sınıflandırması için yeni bir model sunmaktayız. Bu modelin iki tane katkısı bulunmaktadır. İlk olarak; görüntüler üzerinde çok tipli nesnelerin tanımlanması için, iki katmanlı yeni bir doku ayrıştırma yöntemi sunmaktadır. Önceki çalışmalardan farklı olarak, nesneler; desen, şekil ve boyut bilgileri birleştirilerek tanımlanır ve elde edilen bu nesneler, tek bir histolojik bileşene ya da farklı özellikteki doku alt bölgelerie karşılık gelebilir. İkinci katkı olarak, sunduğumuz bu yeni model, verilen nesnenin şekil ve boyutunu tek bir skalar değer olarak karakterize etmek için,“baskın blob ölçeği”adını verdiğimiz yeni bir metrik tanımlar. Kolon doku görüntüleri üzerinde yaptığımız deneyler, bu yeni nesne tanımlaması ve karakterizasyonunun, normal ve kanserli histopatolojik görüntülerinin ayırt edici bir temsiline olanak verdiğini ortaya koymaktadır. Bu ise, önceki çalışmalara göre, daha yüksek doğrulukta sınıflandırma sonuçlarının elde edilmesinde etkindir.
Özet (Çeviri)
In digital pathology, devising effective image representations is crucial to design robust automated diagnosis systems. To this end, many studies have proposed to develop object-based representations, instead of directly using image pixels, since a histopathological image may contain a considerable amount of noise typically at the pixel-level. These previous studies mostly define their objects, based on the color information, as to approximately represent histological tissue components in an image and then use the spatial distribution of these objects for image representation and classification. Thus, object definition has a direct effect on the way of representing the image, which in turn affects classification accuracies. In this thesis, we present a new model for effective representation and classification of histopathological images. The contributions of this model are twofold. First, it introduces a new two-tier tissue decomposition method for defining a set of multi-typed objects in an image. Different than the previous studies, these objects are defined combining the texture, shape, and size information and they may correspond to individual histological components as well as tissue sub-regions of different characteristics. As its second contribution, it defines a new metric, which we call“dominant blob scale”, to characterize the shape and size of an object with a single scalar value. Our experiments on colon tissue images reveal that this new object definition and characterization provides distinguishing representation of normal and cancerous histopathological images, which is effective to obtain more accurate classification results compared to its counterparts.
Benzer Tezler
- Deep learning based unsupervised tissue segmentation in histopathological images
Histopatolojik görüntülerde derin öğrenme temelli öğreticisiz doku bölütlemesi
TROYA ÇAĞIL KÖYLÜ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
- Sentetik kannabinoid AB-PINACA (K3) ve metabolitlerinin idrar, tam kan ve kuru kan kartı (DBS) numunelerinden analizine yönelik LC-MS/MS metodunun geliştirilmesi
Development of LC-MS/MS method for analysis of synthetic cannabinoid AB-PINACA (K3) and its metabolites from urine, whole blood and dry blood card(DBS) samples
HAZAL YILMAZ
Yüksek Lisans
Türkçe
2023
Adli TıpAcıbadem Mehmet Ali Aydınlar ÜniversitesiAdli Bilimler Ana Bilim Dalı
PROF. DR. MEHMET OĞUZ POLAT
PROF. DR. FEHİME AKSUNGAR
- Köpek mast hücre tümörlerinde bazı mikroçevresel belirteçlerin araştırılması
The investigation of some microenvironmental markers in canine mast cell tumors
MUHAMMAD NASIR BHAYA
Doktora
İngilizce
2022
Veteriner HekimliğiAfyon Kocatepe ÜniversitesiPatoloji Ana Bilim Dalı
PROF. DR. HİKMET KELEŞ
- İki katmanlı entegrasyon mimarisiyle hastalığa özel birliktelik ağı çıkarımı
Two tier combinatorial structure to infer disease specific coexpression network
MUSTAFA ÖZGÜR CİNGİZ
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BANU DİRİ
- Two-tier, location-aware and highly resilient key predistribution scheme for wireless sensor networks
Duyarga ağları için iki seviyeli, konum bilgisi kullanan ve yüksek dayanıklılığa sahip ön yüklemeli anahtar dağıtım mekanizması
ABDÜLHAKİM ÜNLÜ
Yüksek Lisans
İngilizce
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALBERT LEVİ