Unsupervised segmentation and ordering of cervical cells
Serviks hücrelerinin öğreticisiz olarak bölütlenmesi ve sıralanması
- Tez No: 360923
- Danışmanlar: DOÇ. DR. SELİM AKSOY
- 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: 86
Özet
Serviks kanseri dünya üzerinde kadınlarda en sık görülen ve kanser ölümlerine sebep olan ikinci kanser çeşididir. Serviks kanseri prekanseröz aşamalarda erken teşhis ve tedavi ile önlenebilmektedir. Pap smear testi, serviks hücrelerinde meydana gelen displastik değişiklikleri belirlemek üzere kullanılan yaygın, etkili ve kullanımı kolay manuel bir tarama yöntemidir. Ancak Pap smear testlerinde bulunan binlerce hücrenin sitologlar tarafından manuel olarak analiz edilmesi zorlu, zaman alan ve gözlemci öznelliği içeren bir süreçtir. Çalışmamızda, bu sorunların üstesinden gelmek için tarama işlemini otomatikleştirmeyi ve sitologlara yardımcı olacak hücrelerin sıralanmış listesini sağlamayı amaçladık. Tarama sürecini otomatikleştirme, karmaşık hücre yapılarından dolayı uzun süreli ve zorlu bir görev olarak durmaktadır. Literatürdeki mevcut yöntemler çoğunlukla problemi tekli ve ayrılmış hücre bölütlemesi olarak ele almakta ve Pap smear test görüntülerinin, zayıf kontrast, tutarsız boyama ve bilinmeyen hücre sayısı gibi gerçek sorunlarına değinmemektedirler. Bu tezde, Pap smear görüntülerindeki hücrelerin doğru bir biçimde bölütlenmesi ve anormallik derecelerine göre sıralanması için öğreticisiz bir yöntem önerilmektedir. Önerilen yöntem ilk olarak çekirdeklerin doğru bir şekilde elde edilmesi için çoklu-ölçekli hiyerarşik bölütleme algoritması kullanmaktadır. Yüksek büyütme değeri ile çekilen Pap smear görüntüleri daha detaylı doku bilgisine ancak daha kötü kontrast değerine sahiptirler. Kontrast bölütleme aşaması için önemli bir özellik iken, detaylı doku bilgisi öznitelik çıkarma aşaması için önemli bir özelliktir. Bu nedenle, çalışmamızda bölütleme problemine bir çözüm olarak, iki aşamada ilerledik. İlk olarak, Pap smear görüntüleri düşük büyütme (20x) seviyesinde bölütlendi ve çıkarılan çeşitli özniteliklere dayanarak çekirdek olmayan bölütlenmiş alanlar elendi. Daha sonra, yüksek seviyede (40x) çekilen Pap smear görüntülerine geçilerek kalan çekirdeklerin daha detaylı bölütlenmesi gerçekleştirildi. Bölütleme aşamasının ardından, elde edilen her çekirdek için öznitelikler çıkarıldı. Literatürdeki sınıflandırma için öğrenme aşaması gerektiren ilgili çalışmalardan farklı olarak, yöntemimiz 40x büyütme oranındaki görüntülerden çıkarılan özniteliklere dayanarak çekirdeklerin öğreticisiz olarak sıralamasını gerçekleştirmektedir. Farklı sıralama algoritmaları, elde edilen çekirdeklerin anormallik derecelerine göre sıralanması üzerinden karşılaştırıldı. Bölütleme ve sıralama yöntemlerimizi iki veri kümesi kullanarak değerlendirdik. Sonuçlarımız önerilen yöntemlerin hücrelerin hem bölütlenmesi hem de sıralanması aşamasında gelecek vaat eden sonuçlar verdiğini gösterdi.
Özet (Çeviri)
Cervical cancer is the second most common cause of cancer death among women worldwide, and it can be prevented if it is detected and treated in the pre-cancerous stages. Pap smear test is a common, efficient and easy manual screening examination technique which is used to detect dysplastic changes in cervical cells. However, manual analyses of thousands of cells in Pap smear test slides by cyto-technicians is difficult, time consuming and subjective. To overcome these problems, we aim to automate the screening process and provide an ordered nuclei list to help the cyto-experts. Automating the screening procedure has been a longstanding challenge because of complex cell structures where current methods in the literature mostly consider the problem as the segmentation of single isolated cells and leave real challenges of Pap smear images such as poor contrast, inconsistent staining, and unknown number of cells unaddressed. We propose an unsupervised method to accurately segment the nuclei and order them according to their abnormality degree in Pap smear images. The method first uses a multi-scale hierarchical segmentation algorithm for accurate identification of the nuclei. The Pap smear images captured at high level magnification have more detailed texture but worse contrast. Contrast is an important property for segmentation and detailed texture is an important property for feature extraction. Therefore, as a solution to the segmentation problem, we proceed in two steps. First, we segment the Pap smear images at low (20x) magnification and eliminate non-nucleus regions based on several features. Then, we switch to high (40x) magnification and obtain a more detailed segmentation of the remaining nuclei. Following segmentation, we extract features for each resulting nucleus. Unlike related works that require a learning phase for classification, our method performs an unsupervised ordering of the nuclei based on features extracted at 40x magnification. We compare different ordering algorithms for ranking the nucleus regions according to their abnormality degrees. We evaluate our segmentation and ordering methods using two data sets. Our results show that the proposed method provides promising results for both segmentation and ordering steps.
Benzer Tezler
- Segmentation and classification of cervical cell images
Serviks hücre görüntülerinin bölütlenmesi ve sınıflandırılması
ASLI KALE
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELİM AKSOY
- Gerçek zaman uygulamaları için görüntü bölütleme yöntemlerinin geliştirilmesi
Improvement of image segmentation methods for real time applications
YUNUS KOÇ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Semi-automatic video object segmentation
Yarı-otomatik video nesne bölütleme
ERSİN ESEN
Yüksek Lisans
İngilizce
2000
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. LEVENT ONURAL
- Examining effect of prefiltering on unsupervised video segmentation and proposal of new, farter approaches with better segmentation results for motion-based merging of watershed regions
Danışmansız video bölütlemede ömrüzgeçlemenin etkisinin incelenmesi ve su-seddi bölgelerinin harekete dayalı kaynaştırılması için daha iyi bölütleme sonuçları veren yeni, daha hızlı yaklaşımların önerimi
HAKAN MURAT KARACA
Yüksek Lisans
İngilizce
2000
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN ANARIM
PROF. DR. AVNİ MORGÜL