New approaches for nuclei segmentation in histological images with a heuristic method
Histolojik görüntülerde sezgisel bir yöntemle çekirdek bölütlemesi için yeni yaklaşımlar
- Tez No: 651824
- Danışmanlar: DR. ÖĞR. ÜYESİ HİLAL KAYA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 70
Özet
Kanser, gelişmiş ülkelerde belirgin şekilde büyüyen ölümcül bir hastalıktır. Dünya çapında insanlar arasında en temel sağlık sorunu olarak kabul edilir. Varlığını tespit etmek için, biyopsi, bir organın şüpheci bir parçası kanserli ise, kesin olarak tespit edebilen tek tanımlama sürecidir. Alınan bu hücreler ayrıca mikroskopla incelenir ve daha sonra herhangi bir tümör hücresi için yeniden taranır. Kanser hücresinin etkili tedavisi, erken teşhis edilirse başarılabilir. Histolojik bölümde doku hücre çekirdeği için bilgisayar destekli algılama yönteminin getirilmesi, Biyopsi Destek Sisteminin bir parçası olarak kullanılır ve doğrulanır. Bu çalışmada önerilen çalışma, histolojik görüntüleri kullanarak çekirdek merkezlerini tespit etmek için bir sistem sağlamak için iki aşamaya ayrılmıştır. İkinci aşamada, doğru sonuçlar elde etmek için histolojik görüntüleri kullanarak çekirdek merkezlerini tespit etmek için Yapay Arı Kolonisi kullanılmıştır. Diğer algoritmalarla karşılaştırıldığında, bu algoritma çok fazla parametre gerektirmemekte ve hızlı, esnek ve basittir. Bugüne kadar yapılan birçok çalışma hakkında yapılan kapsamlı bir çalışmaya dayanarak, böyle bir yöntemi kullanmak kanser çekirdeği teşhisinde kullanılmamıştır. Ayrıca, bu çalışma histolojik görüntüler üzerinde ve esas olarak Parçacık Sürüsü Optimizasyonu 2015 kitle kaynaklı çekirdek veri setinden 810 mikroskobik H & E lekeli örnek içeren bir veri tabanı üzerinde yapılmıştır. Bu tespit işleminde, görüntülerdeki gürültü sinyalinin varlığı ilk önce morfolojik teknikler kullanılarak elimine edilmiş ve daha sonra kanser çekirdeği merkezleri tarafından kararlaştırılan en iyi maksimum değeri belirlemek için algoritmalar kullanılmıştır. Laboratuar bulguları, bu önerilen tekniğin veri seti tarafından desteklenen temel gerçek görüntülerinden daha iyi bir sonuç aldığını göstermiştir. İkinci aşamada Yapay Arı Kolonis uygulandıktan sonra kanser çekirdeği için ortalama % 99.38 doğruluk oranı elde edilmiştir. Bu deneyin performansını göstermek için, sonuçlar literatürdeki bilinen diğer kanser çekirdeklerinin tespiti prosedürleriyle karşılaştırılmıştır.
Özet (Çeviri)
Cancer is a fatal disease that is growing in developed countries obviously. And it is considered a main health problem among human worldwide. To ascertain its presence, biopsy is the only identification process which decisively established if a skeptical part of an organ has cancer. A biopsy is therefore the test used to remove tissues or fluid from the suspicious area on an organ. These removed cells are further inspected with a microscope and then rescan for any tumor cells. Effective treatment of the cancer cell is achievable if they are detected early. The introduction of computer-aided detection method for tissue cell nuclei in histological section is used and validated as part of the Biopsy Support System. In second stage, we purpose using Artificial Bee Colony for detection the centers of nuclei using histological images in order to get accurate results. Comparing with the other algorithms this algorithm doesn't require a lot of parameters besides, it is fast, flexible and simple. Based on a comprehensive study of the most studies done so far, using such method hasn't been used for cancer nuclei detection. Furthermore, this study has been carried out on histological images and mainly on a database containing 810 microscopic slides of H&E stained samples from Particle Swarm Optimization 2015 crowdsourced nuclei dataset. In this determination process, the presence of noise signal on images were first eliminated using morphological techniques and then utilized algorithms to determine the best maximum value agreed upon by cancer nuclei centers. The laboratory findings indicated that this suggested technique has a greater result than the ground truth images supported by dataset. An average accuracy rate of 99.38% for cancer nuclei was attained after applying Artificial Bee Colony at the second stage. To demonstrate the power of this experiment, the results were contrasted with other known procedures of cancer nuclei detection in the literature. The high value outcome confirms the suggested method outperformed other algorithm since it shows a higher distinctive ability on new characteristic.
Benzer Tezler
- Seröz efüzyon sitopatolojisinde makine öğrenmesi tabanlı tanı yaklaşımlarının geliştirilmesi ve uygulanması
Development and implementation of machine learning based diagnosis approaches in serous effusion cytopathology
ELİF BAYKAL KABLAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT EKİNCİ
- Çekişmeli üretken ağlarla medikal görüntülerin üretimi ve analizi
Use of generative adversarial networks in medical image synthesis and segmentation
SARA ALTUN GÜVEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHAMMED FATİH TALU
- Bölütlenmiş histopatolojik görüntüler üzerinde derin öğrenme yöntemiyle kolon kanseri tespiti
Detecting colon cancer using deep learning on segmented histopathological images
ULAŞ YURTSEVER
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRETTİN EVİRGEN
- A=18 kütle numaralı çekirdekler için nükleer enerji seviyelerinin hesaplanması
Nuclear energy level calculations for A=18 nuclei
TAYFUN AKYUREK
Yüksek Lisans
Türkçe
2007
Fizik ve Fizik MühendisliğiSüleyman Demirel ÜniversitesiFizik Ana Bilim Dalı
Y.DOÇ.DR. ERDAL DİKMEN
- Automating the usage of unambiguous noes in nuclear vector replacement for NMR protein structure-based assignments
NMR protein yapı tabanlı atama problemi için belirli noeleri nükleer vektör değiştirmede kullanımını otomatikleştirme
MURODZHON AKHMEDOV
Yüksek Lisans
İngilizce
2013
BiyoistatistikSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT ÇATAY
YRD. DOÇ. DR. MEHMET SERKAN APAYDIN