Geri Dön

Dendritic spine shape analysis based on two-photon microscopy images

İki foton mikroskobik görüntüleri kullanarak dendritik diken şekil analizi

PDF İndir

  1. Tez No: 444554
  2. Yazar: MUHAMMAD USMAN GHANI
  3. Danışmanlar: DOÇ. DR. MÜJDAT ÇETİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Sinirsel morfoloji ve fonksiyon birbiriyle oldukça ilintilidir. Özellikle dendritik diken morfolojisi güçlü bir şekilde gelen sinirsel aktivite ile yönetilir. Önceki çalışmalarda dendritik dikenlerin hacminin diken morfolojisini incelemek ve yapı-fonksiyon ilişkisini anlamak için temel parametre olduğu düşünülüyordu. Fakat bu indirgemeci yaklaşım dikenlerin kapsamlı yapı dağarcığını içermemektedir. Zengin diken morfoloji bilgisini fonksiyonel eşleşmeyle bütünleştirmenin ilk adımı, diken şekillerinin literatürde önerilen temel şekil sınıflarına göre sınıflandırılmasıdır. Yeterli seviyede güvenilir otomatik analiz araçlarının olmaması nedeniyle sınıflandırma işlemi elle yapılmaktadır. Bu da analizin öznel ve zaman isteyen bir işlem olmasına yol açmaktadır. Otomatik diken şekil analiz araçları bu işlemi hızlandırarak sinirbilimcilerin altta yatan yapı ve fonksiyon ilişkisini anlamasına yardımcı olacaktır. Literatürde diken şekil sınıflandırması ile ilgili birçok çalışma yer almaktadır. Fakat diken şekillerinin ayrı sınıflar halinde mi yoksa bir şekil değişim süreci olarak mı ele alınması gerektiği konusunda bir fikir birliğine varılmamıştır. Bu problemde karşımıza çıkan bir diğer güçlük sınıflandırma yaklaşımlarının güdümlü yapısının getirdiği öznellik ve yanlılıktır. Bu tez, hem kümeleme hem de sınıflandırma yaklaşımlarını morfolojik, şekil ve görüntü öznitelikleriyle kullanarak dendritik diken şekil analizi gerçekleştirme üzerine kurulmuştur. Dendritik diken sınıflandırma problemine çok katlı (manifold) öğrenme yöntemlerini uyguladığımızda ISOMAP'in dolaylı olarak sınıflandırma için önemli öznitelikleri hesapladığını gözlemledik. Sınıflandırma amacıyla doğrusal temsil yaklaşımına başvurduğumuzda seyrek temsilin kısmen daha iyi bir sınıflandırma performansı sağladığını gördük. 2 boyutlu ve 3 boyutlu morfolojik özniteliklere dayalı diken şekil analizi yaklaşımında 3 boyutlu morfolojik özniteliklerin sağladığı avantajları gösterdik. Derin öğrenmeye dayanan sınıflandırma yaklaşımında Konvolüsyonel Sinir Ağlarından (CNNs) çıkarılan orta seviye özniteliklerin özel çıkarılmış öznitelikler kadar iyi performans gösterdiğine şahit olduk. Dendritik diken sınıflandırması için çekirdek yoğunluk tahminine (KDE) bağlı bir çerçeve tasarladık. Önerdiğimiz yaklaşımları sinirbilimci bir uzmanın belirlediği etiketlerle karşılaştırdık. Çekirdek yoğunluk tahminine bağlı çerçeve sinirbilimcilerin dikenlerin şekil sınıflarının ayrılabilirliğini olabilirlik oranı uzayında incelemelerine olanak vererek şekil analiz problemine daha derinden bakabilmelerini sağlayabilir. Bunlara ek olarak diken şekillerini güdümsüz öğrenme ve kümeleme yöntemleri üzerinde çalışmalar yaptık. Bayes bilgi kıstasını kullanarak küme sayısını veriden otomatik seçen x-ortalama (x-means) tekniğini kullandık. Bu bağlamda kümelemenin iki farklı amaçla kullanılmasından söz edilebilir: ayrı şekil sınıflarının varlığına dair hipotezi doğrulamak ve yeni gruplar keşfetmek. Elimizdeki veride çok sayıda diken standart şekil sınıfları içinde değerlendirilebilse de, önemli sayıda dikenin bu sınıflara uymadığını ve ara niteliklere sahip olduğunu gözlemledik.

Özet (Çeviri)

Neuronal morphology and function are highly coupled. In particular, dendritic spine morphology is strongly governed by the incoming neuronal activity. Previously, volumes of dendritic spines have been considered as a primary parameter to study spine morphology and gain insight into structure-function coupling. However, this reductionist approach fails to incorporate the broad spine structure repertoire. First step towards integrating the rich spine morphology information into functional coupling is to classify spine shapes into main spine types suggested in the literature. Due to the lack of reliable automated analysis tools, classification is currently performed manually, which is a time-intensive task and prone to subjectivity. Availability of automated spine shape analysis tools can accelerate this process and help neuroscientists understand underlying structure and function relationship. Several studies on spine shape classification have been reported in the literature, however, there is an on-going debate on whether distinct spine shape classes exist or whether spines should be modeled through a continuum of shape variations. Another challenge is the subjectivity and bias that is introduced due to the supervised nature of classification approaches. This thesis focuses on morphological, shape, and appearance features based methods to perform dendritic spine shape analysis using both clustering and classification approaches. We apply manifold learning methods for dendritic spine classification and observe that ISOMAP implicitly computes prominent features suitable for classification purposes. We also apply linear representation based approach for spine classification and conclude that sparse representation provides slightly better classification performance. We propose 2D and 3D morphological features based approach for spine shape analysis and demonstrate the advantage of 3D morphological features. We also use a deep learning based approach for spine classification and show that mid-level features extracted from Convolutional Neural Networks (CNNs) perform as well as hand-crafted features. We propose a kernel density estimation (KDE) based framework for dendritic spine classification. We evaluate our proposed approaches by comparing labels assigned by a neuroscience expert. Our KDE based framework also enables neuroscientists to analyze separability of spine shape classes in the likelihood ratio space, which leads to further insights about the nature of the spine shape analysis problem. Furthermore, we also propose a methodology for unsupervised learning and clustering of spine shapes. In particular, we use x-means to perform cluster analysis that selects the number of clusters automatically using the Bayesian information criterion (BIC). The objective of clustering in this context is two-fold: confirm the hypothesis of some distinct shape classes and discover new natural groups. We observe that although there are many spines which easily fit into the definition of standard shape types (confirming the hypothesis), there are also a significant number of others which do not comply with standard shape types and demonstrate intermediate properties.

Benzer Tezler

  1. Tez No

    421249

    The effect of Helicobacter felis on macrophage polarization

    Helicobacter felis'in makrofaj polarizasyonu üzerine etkisi

    ASLI KORKMAZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Allerji ve İmmünolojiİstanbul Teknik Üniversitesi

    Moleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı

    DOÇ. DR. AYÇA SAYI YAZGAN

  2. Tez No

    888341

    LiP-CVD growth of multi-shape monolayer WS2: Determination and investigation of defect domains

    Çok şekilli tek katmanlı WS2' ün LiP-CVD ile büyütülmesi: Kusur alanlarının belirlenmesi ve incelenmesi

    HASRET AĞIRCAN

    Doktora

    İngilizce

    İngilizce

    2024

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. GÜLDEM KARTAL ŞİRELİ

  3. Tez No

    507377

    Non-parametric Coupled Shape Priors for Segmentation of Deformable Objects in Time-Series Images using Particle Filters

    Zaman serisi görüntülerindeki deforme olan nesnelerin parçacık süzgeci ve parametrik olmayan birleşik şekil önseli kullanılarak bölütlenmesi

    NAEIMEH ATABAKILACHINI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    DOÇ. DR. MÜJDAT ÇETİN

  4. Tez No

    341204

    Dendritic spine segmentation using active contour with shape prior

    Dendritik omurgaların şekil bilgisi kullanan aktif konturlar ile segmentasyonu

    CEMAL AKARSU

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik MühendisliğiBahçeşehir Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DEVRİM ÜNAY

  5. Tez No

    75245

    Al.Fe.Si. ve Al.Fe.Si.Mn. alaşımlı alüminyum folyoların mekanik performans özelliklerinin karşılaştırılması

    Başlık çevirisi yok

    SEFER SINMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji Eğitimi Ana Bilim Dalı

    PROF. DR. EYÜP SABRİ KAYALI

Geri Dön