Geri Dön

Hareketli hücrelerin derin öğrenme ile bölütlenmesi ve takip edilmesi

Segmentation and tracking of moving cells with deep learning

  1. Tez No: 664768
  2. Yazar: MEHMET EMİN BAKIR
  3. Danışmanlar: DOÇ. DR. HACER YALIM KELEŞ
  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: 2021
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Histopatolojik görüntülerin makine öğrenmesi yöntemleri ile analizi

    Analysis of histopathological images via machine learning methods

    ABDÜLKADİR ALBAYRAK

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÖKHAN BİLGİN

  2. John Cage and his use of the I Ching method

    John Cage ve I Ching metodunu kullanışı

    DENİZ KAYA ELİVAR

    Doktora

    Türkçe

    Türkçe

    2015

    Müzikİstanbul Teknik Üniversitesi

    Müzik Ana Bilim Dalı

    PROF. DR. ALİ CİHAT AŞKIN

  3. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUHAMMED EMRE ÇOLAK

  4. 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

    İngilizce

    2023

    Veteriner HekimliğiAnkara Üniversitesi

    Genetik Ana Bilim Dalı

    DOÇ. DR. BENGİ ÇINAR KUL

    PROF. DR. ONUR GÜNTÜRKÜN

  5. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medipol Üniversitesi

    Elektrik-Elektronik Mühendisliği ve Siber Sistemler Ana Bilim Dalı

    PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK