Classification of histopathological cancer stem cell images in H&E stained liver tissues
H&E boyanmış karaciğer dokularında histopatolojik kanser kök hücre imgelerinin sınıflandırılması
- Tez No: 420609
- Danışmanlar: PROF. DR. AHMET ENİS ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Image processing algorithms for histopathological images
Histopatolojik imgeler için imge işleme algoritmaları
OĞUZHAN OĞUZ
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
- 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
2018
PatolojiCelal Bayar ÜniversitesiPatoloji Ana Bilim Dalı
PROF. DR. PEYKER TEMİZ
- 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
2024
Patolojiİstanbul ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. SEMEN ÖNDER
- 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
2023
PatolojiSağlık Bilimleri ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. AYLİN GÜL
- 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
2015
Patolojiİstanbul ÜniversitesiTıbbi Patoloji Ana Bilim Dalı
PROF. DR. HÜSEYİN RIDVAN İLHAN