Geri Dön

Classification of histopathological cancer stem cell images in H&E stained liver tissues

H&E boyanmış karaciğer dokularında histopatolojik kanser kök hücre imgelerinin sınıflandırılması

  1. Tez No: 420609
  2. Yazar: CEM EMRE AKBAŞ
  3. Danışmanlar: PROF. DR. AHMET ENİS ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Mikroskopik görüntüler modern tıpta kanser tanısının önemli bir parçasıdır. Fakat, dokulara mikroskop altında tanı koymak patologlar için oldukça zaman alıcı ve yorucu bir iştir. Bu tezde, pataloglar için kanser tanı sistemini hızlandırma amacıyla H&E boyanmış doku imgelerini sınıflandıran ve derecelendiren bilgisayar yardımlı bir tanı sistemi geliştirdik. Bu sistem H&E boyanmış dokular için dizayn edildi, çünkü bu boya yaygın olarak kullanılan CD13 boyasından daha düşük maliyetlidir. Bu sistemimizde ilk adım doku imgelerinin etiketlenmesidir. CD13 boyanmış imgeler yer gerçekliği etiketlerinin oluşturulması için kullanılmıştır, çünkü H&E boyanmış dokularda kanser kök hücreleri çıplak gözle (KKH) görülememektedir. Sistemimizdeki sonraki adım öznitelik çıkarımıdır. KKH'ler H&E boyanmış dokularda çıplak gözle görülemediği için örüntü ayırt edici öznitelikler çıkarmamız gerekmektedir. Bu amaçla dokuz farklı renk uzayından 20 öznitelik seçilmiştir. Bu öznitelikler, bu çalışmada önerilen değiştirilmiş Ana Bileşenler Analizi (PCA) algoritmasına girdi olarak verilmiştir. Bu algoritma, imgelerin piksel değerleri yerine imgelerin öznitelik matrislerinin ortak değişinti matrislerini girdi olarak kullanır. İmgeler özuzayda (eigenspace) karşılaştırır ve aralarındaki açıya göre sınıflandırılır. Bu algoritmanın üç sınıf H&E boyanmış karaciğer dokularını sınıflandırma probleminde 76.0% imge sınıflandırma başarısı sağladığı deneysel sonuçlarla gösterilmiştir. Öznitelik çıkarmak için ölçekten bağımsız öznitelik dönüşümü (SIFT), yerel ikili örüntüler (LBP) ve yönsel öznitelik çıkarma algoritmalarından da faydalanılmıştır. Deneylerde, bu öznitelik çıkarma algoritmalarının H&E boyanmış karaciğer doku imgelerinin derecelendirilmesi için anlamlı bilgi sağlayamadığı görülmüştür. Bu çalışmada amacımız kanser tanı sürecini hızlandırmak olduğu için, değiştirilmiş PCA algoritmasının hesap yükü düşürülmüş versiyonları da önerilmiştir. Çarpmasız kosinüs benzeri benzerlik ölçüleri değiştirilmiş PCA algoritmasında kullanılmıştır ve çarpmasız benzerlik ölçüsü tabanlı değiştirilmiş PCA algoritmalarının bazılarının çarpmaya dayalı standart değiştirilmiş PCA algoritmasından daha iyi sınıflandırma sonuçları ürettiği görülmüştür. Önerilen çarpmasız benzerlik ölçülerinden birisi değiştirilmiş PCA algoritmasında kullanıldığında üç sınıfa ait 454 imge içeren bir veri setinde %76.0 sınıflandırma başarısı elde edilmiştir.

Özet (Çeviri)

Microscopic images are an essential part of cancer diagnosis process in modern medicine. However, diagnosing tis sues under microscope is a time-consuming task for pathologists. There is also a significant variation in pathologists' decisions on tissue labeling. In this study, we developed a computer-aided diagnosis (CAD) system that classifies and grades H&E stained liver tissue images for pathologists in order to speed up the cancer diagnosis process. This system is designed for H&E stained tissues, because it is cheaper than the conventional CD13 stain. The first step is labeling the tissue images for classification purposes. CD13 stained tissue images are used to construct ground truth labels, because in H&E stained tissues cancer stem cells (CSC) cannot be observed by naked eye. Feature extraction is the next step. Since CSCs cannot be observed by naked eye in H&E stained tissues, we need to extract distinguishing texture features. For this purpose, 20 features are chosen from nine different color spaces. These features are fed into a modified version of Principal Component Analysis (PCA) algorithm, which is proposed in this thesis. This algorithm takes covariance matrices of feature matrices of images instead of pixel values of images as input. Images are compared in the eigenspace and classifies them according to the angle between them. It is experimentally shown that this algorithm can achieve 76.0% image classification accuracy in H&E stained liver tissues for a three-class classification problem. Scale invariant feature transform (SIFT), local binary patterns (LBP) and directional feature extraction algorithms are also utilized to classify and grade H&E stained liver tissues. It is observed in the experiments that these features do not provide meaningful information to grade H&E stained liver tissue images. Since our aim is to speed up the cancer diagnosis process, computationally efficient versions of proposed modified PCA algorithm are also proposed. Multiplication-free cosine-like similarity measures are employed in the modified PCA algorithm and it is shown that some versions of the multiplication-free similarity measure based modified PCA algorithm produces better classification accuracies than the standard modified PCA algorithm. One of the proposed multiplication-free similarity measures achieves 76.0% classification accuracy in our dataset containing 454 images of three classes.

Benzer Tezler

  1. Image processing algorithms for histopathological images

    Histopatolojik imgeler için imge işleme algoritmaları

    OĞUZHAN OĞUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

  2. Malign melanomda kıl follikülü tutulumunun nestin ve sitokeratin 15 ile immunhistokimyasal olarak değerlendirilmesi

    Evaluation of hair follicle involvement in malignant melanoma using nestin and cytokeratin 15 immunohistochemistry

    BİRSEN GİZEM ÖZAMRAK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    PatolojiCelal Bayar Üniversitesi

    Patoloji Ana Bilim Dalı

    PROF. DR. PEYKER TEMİZ

  3. Memenin fibroepitelyal tümörlerinin ayırıcı tanısında CD44, CD166, TERT ve Ki-67'nin yeri

    The role of CD44, CD166, TERT and Ki-67 in the differential diagnosis of fibroepithelial tumors of the breast

    ALİ KUBİLAY KOLİK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Patolojiİstanbul Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. SEMEN ÖNDER

  4. Timoma ve timik karsinom vakalarında PD-L1 ve SOX-2 ekspresyonunun klinikopatolojik bulgularla ilişkisi

    The relationship of PD-L1 and SOX-2 expression with clinicopathological findings in case of thymoma and thymic carcinoma

    HAKAN ÖZTÜRKÇÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    PatolojiSağlık Bilimleri Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. AYLİN GÜL

  5. Metaplastik meme karsinomlarında kök hücre belirteçleri (ALDH1, CD44, CD24) ve hücreler arası sıkı bağlantı proteinlerinin (CllAUDİN 3, claudin 4 ve claudin 7) ekspresyonlarının tanı, prognoz ve moleküler alt tipler ile ilişkisi

    Correlations between expressions of stem cell markers (aldh1, CD44, CD24), tight junction proteins (claudin 3, claudin 4, claudin 7) and diagnosis, prognosis and molaculary subtypes of metaplastic carcinomas

    ONUR GÖNÜLLÜ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    Patolojiİstanbul Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. HÜSEYİN RIDVAN İLHAN