Image processing algorithms for histopathological images
Histopatolojik imgeler için imge işleme algoritmaları
- Tez No: 427835
- 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: 75
Özet
Pataloglar hücre morfolojilerini mikroskop altında incelemektedirler. Bu işlem zaman alınmasının yanı sıra insan kaynaklı hatalara da açıktır. Bilgisayar tabanlı tanı sistemleri ve modülleri, pataloglara bu ağır işte yardımcı olarak harcanan zamanı ve insan kaynaklı hataları azaltmaktadır. Bu tezde, histopatholojik imgelerdeki bölütleme, saptama ve ayrıştırma sorunlarında pataloglara yardım etmek amacıyla bilgisayar tabanlı bir tanı modülü ve algoritmalar geliştirilmiştir. Mezenkimal kök hücrelerinin (MKH) boyutunun ölçülmesi, sayımı ve hareketlerinin takip edilmesi amacıyla çok çözünürlüklü süper piksel algoritması sunulmuştur. Sunulan bu algoritma, Basit Doğrusal Dönüşümlü Gruplandırma (SLIC) algoritması ile karşılaştırılmış ve hücrelerin bulunmasında %7 oranında bir atış yakalanırken, %5 daha az yanlış alarm oranı elde edilmiştir. Ayrıca benzer komşu süper pikselleri birleştiren özgün iki yeni karar verme algoritmaları sunulmuştur. Skaladan Bağımsız özellik Transformunun (SIFT) tek boyutaki versiyonu geliştirilmiş ve benzer bölgelerin bulunması amacıyla komşu süper piksellerin histogramlarına uygulanmıştır. Aynı birleştirme işleminin dalgacık teoremi kullanılarak da yapılabilineceği gösterilmiştir. Bahsedilenlere ek olarak, kovaryans ve ortak fark matrikslerinin kanser kök hücrelerinin (KKH) bulunmasında kullanılabilineceği gösterilmiş ve karaciğer imgelerindeki aynı hücrelerin sezimlenmesi için bir bilgisayar tabanlı tanı modülü geliştirilmiştir. Geliştirilen algoritma, CD13 boyaması ile boyanmış karaciğer kanseri imgelerdeki kanser kök hücrelerini bulmaktadır. Sistemin gerçek zamanlı öğrenmeye açık yapısı ile saptama başarısı arttırılmıştır. Sunulan algoritma kullanıcı yönlendirmesi ile çalıştığında, sadece bölge tanımlayıcıları kullanılarak elde edilen sonuçlara nazaran ortalama bulma kalitesinin ve doğruluğun %25 oranında yükseldiği deneysel olarak gösterilmiştir. Ayrıca, sunulan bu modül, ImageJ ve Fiji programlarının yakın eklentileri ile karşılaştırılmış ve benzer öznitelikler kullanıldığında, sunulan modülü ile, eklentilere göre yaklaşık %20 daha başarılı ayrıştırma sonuçları elde edildiği gösterilmiştir. Sunulan sistem ile beraber daha önce bahsedilen tek boyutlu SIFT algoritması geliştirilerek immünohistokimyasal prosedürlere göre masrafsız bir boyama olan Hematoksilen-Eozin (H&E) boyaması ile boyanmış kanserli imgelerin ayrıştırılmasında kullanılmıştır. önerilen yöntem ile H&E boyaması uygulanmış normal ve kanserli dokuların ayrıştırılmasında %91 gibi bir başarı yüzdesi elde edilmiştir.
Özet (Çeviri)
Conventionally, a pathologist examines cancer cell morphologies under microscope. This process takes a lot of time and is subject to human mistakes. Computer aided diagnosis (CAD) systems and modules aim to help pathologists in their work to decrease the time consumption and the human mistakes. This thesis proposes a CAD module and algorithms which assist the pathologist in segmentation, detection and the classification problems in histopatholgic images. A multi-resolution super-pixel based segmentation algorithm is developed to measure the cell size, count the number of cells and track the motion of cells in Mesenchymal Stem Cell (MSC) images. The proposed algorithm is compared with Simple Linear Iterative Clustering (SLIC) algorithm. It is experimentally observed that in the segmentation stage, the cell detection rate is increased by 7% and the false alarm is decreased by 5%. In addition to this, two novel decision rules for merging similar neighboring super-pixels are proposed. One dimensional version of the Scale Invariant Feature Transform (SIFT) based merging algorithm is developed and applied to the histograms of the neighboring super-pixels to determine the similar regions. It is also shown that the merging process can be made with the use of wavelets. Moreover, it is shown that region covariance and codifference matrices can be used in detection of cancer stem cells (CSC) and a CAD module for the CSC detection in liver cancer tissue images are developed. The system locates CSCs in CD13 stained liver tissue images. The method has an online learning approach which improves the accuracy of detection. It is experimentally shown that, applying the proposed approach with the user guidance,increases the overall detection quality and accuracy up to 25% compared to using region descriptors alone. Also, the proposed module is compared with the similar plug-ins of ImageJ and Fiji. It is shown that, when the similar features are used, the implemented module achieves approximately 20% better classification results compared to the plug-ins of Imagej and Fiji. Furthermore, the proposed 1-D SIFT algorithm is expanded and used in classification of the cancer tissues images stained with Hematoxylin and Eosin (H&E) stain, which is a cost effective routine compared to the immunohistochemistry (IHC) procedure. The 1-D SIFT algorithm is able to classify healthy and cancerous tissue images with up to 91% accuracy in H&E stained images in our data set.
Benzer Tezler
- Bulanık yerel bilgi c-ortalamalar algoritmasıyla histopatolojik görüntü bölütleme
Fuzzy local information c-means algorithm for histopathological image segmentation
MUSTAFA ÇETİN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Image processing methods for computer-aided interpretation of microscopic images
Mikroskopik görüntülerin bilgisayar destekli yorumlanması için imge işleme yöntemleri
MUSA FURKAN KESKİN
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. A. ENİS ÇETİN
- Derin öğrenme ile histopatolojik görüntü analizi
Histopathological image analysis using deep learning
ŞABAN ÖZTÜRK
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAYRAM AKDEMİR
- Analysis and processing of histopathological images
Histopatolojik görüntülerin analizi ve işlenmesi
SİBEL BARDAKÇI
Yüksek Lisans
İngilizce
2012
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. OLCAY AKAY
- Histopatolojik meme kanseri görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Classification of histopathological breast cancer images by deep learning methods
GİZEM IRMAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTekirdağ Namık Kemal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET SAYGILI