Hareketli hücrelerin derin öğrenme ile bölütlenmesi ve takip edilmesi
Segmentation and tracking of moving cells with deep learning
- Tez No: 664768
- Danışmanlar: DOÇ. DR. HACER YALIM KELEŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Mikroskop görüntülerinde hücrelerin tespiti ve takibi araştırmacıların üzerinde yoğun olarak çalıştığı aktif araştırma konularından biridir. Bu çalışmalar, hücrelerin davranışlarını hesaplamalı modellerle takip etmek ve anlamak için oldukça önemlidir. Bu tez kapsamında, mikroskop ile elde edilen görüntü setlerindeki hareketli hücrelerin derin öğrenme yöntemleri kullanılarak otomatik olarak bölütlenmesi ve takip edilmesi konusunda çalışmalar yürütülmüştür. Çalışma sonunda, başarı oranı yüksek sonuçlar ortaya çıkarmanın yanı sıra, az sayıda parametre içeren bir model ile bunu gerçekleştirerek modelin kullanılabilirliğinin yüksek olması amaçlanmıştır. Daha önce var olan yöntemlerin bitişik hücreleri ayırmada zorluk yaşadığı gözlemlendiğinden, problem iki kısımda çözülmeye çalışılmıştır. Önce bir konvolüsyonel sinir ağı kullanarak her bir farklı hücrenin yeri tespit edilmiştir. Daha sonra bu ağın sonucu öncü bilgi olarak kullanılarak yeni bir konvolüsyonel ağ ile hücre sınırları belirlenmiştir. Her iki ağ da medikal görüntülerde çok kullanılan U-Net mimarisinde tasarlanmıştır. Tam bölütleme için model çıktılarına watershed algoritması uygulanarak her bir hücrenin etiketlenmesi ve görüntü seti üzerindeki takibi sağlanmıştır. Görüntülerdeki hücre yoğunluğuna uygun kayıp fonksiyonu kullanılarak başarı artırılmıştır. Önerilen yöntem ile DIC-C2DH-HeLa veri setinde 0.958 tespit, 0.850 bölütleme performansı ile bu veri setindeki en başarılı çalışmalara oldukça yakın sonuçlar elde edilmiştir.
Özet (Çeviri)
Detection and tracking of cells in microscope images is one of the active topics that researchers are working on. The studies in this field are very crucial for tracking and understanding the behavior of cells with computational models. In this thesis, our aim is to automatically segment and track the images that are obtained using microscopes with deep learning methods. In addition to achieving a high success scores, we also aim to design a computational model with fewer parameters. Since we observed that previously existing methods had difficulty in separating touching cells, we approached solving the problem in two parts. First, the location of each different cell is determined using a convolutional neural network. Then, using the output of this network as the prior information, a new convolutional network is trained to determine cell boundaries. U-Net architecture, which is a widely used model in medical image segmentation, is used in both our networks. For full segmentation, each cell is labeled on the dataset by applying the watershed algorithm to the model outputs. The model performance is improved by using the focal loss function, which is appropriate for imbalanced data. On the DIC-C2DH-HeLa data set, 0.958 detection and 0.85 segmentation scores are obtained with our proposed method. These scores are very close to state-of-art methods in this data set.
Benzer Tezler
- Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi
Analysis of histopathological images via machine learning methods
ABDÜLKADİR ALBAYRAK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Evrişimsel sinir ağı ve görü dönüştürücü mimarileri kullanılarak MR görüntülerinde beyin tümörlerinin otomatik sınıflandırılması
Automatic classification of brain tumors in MR images using convolutional neural network and vision transformer architectures
ÖMER MİRAÇ KÖKÇAM
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED EMRE ÇOLAK
- Behavioral and genetic evaluation of the effect of prenatal stress on functional cerebral asymmetries in rats
Ratlarda prenatal stresin fonksiyonel serebral asimetri üzerindeki etkisinin davranişsal ve genetik açidan değerlendirilmesi
SEVİM ISPARTA
Doktora
İngilizce
2023
Veteriner HekimliğiAnkara ÜniversitesiGenetik Ana Bilim Dalı
DOÇ. DR. BENGİ ÇINAR KUL
PROF. DR. ONUR GÜNTÜRKÜN
- Classification of Parkinson's disease using deep learning techniques on finger, hand and tremor data
Derin öğrenme teknikleri kullanarak parmak, el ve titreme verileriyle Parkinson hastalığının sınıflandırılması
BEYZA GÜL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı
PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK