Histopatolojik görüntülerde süperpiksel ve kümeleme yöntemleri kullanılarak otomatik hücre çekirdeği segmentasyonu
Automatic cell nucleus segmentation using superpixels and clustering methods in histopathological images
- Tez No: 665963
- Danışmanlar: DR. ÖĞR. ÜYESİ CAFER BUDAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 63
Özet
Gün geçtikçe kanser ve kansere bağlı ölümlerde artış olduğu görülmektedir. Kanserli bölgenin erken tedavisi için erken teşhis edilmesi hayati önem taşımaktadır. Uzman patologların uğraşlar sonucu teşhis ettiği sağlıksız hücreler için, bilgisayar destekli programlar erken teşhis edilmelerine olanak sağlamaktadır. Bu çalışmada bilgisayar destekli programlarla yüksek çözünürlüklü histopatolojik görüntülerde otomatik hücre çekirdeği tespiti için global bölütleme yöntemlerinden kMeans ve Fuzzy C Means yöntemleri, süperpiksel bölütleme yöntemlerinden SLIC, Quickshift, Felzenszwalb, Watershed ve ERS algoritmaları kullanılmıştır. Çalışma sonucu kullanılan yüksek çözünürlüklü histopatolojik görüntülerde kmeans ve FCM algoritmalarında daha iyi başarı elde edildiği görülmektedir. Kesinlik açısından Quickshift ve SLIC yöntemleri daha iyi sonuç vermiştir. F ölçütünde (F-M) en iyi başarım sağlayan kMeans ve FCM algoritmaları olduğu ve gerçek negatif oranının (TNR) Quickshift ve SLIC yönteminde daha başarılı olduğu görülmektedir.
Özet (Çeviri)
It is observed that cancer and cancer-related deaths increase day by day. Early diagnosis is vital for the early treatment of the cancerous area. Unhealthy cells, which are diagnosed by expert pathologists as a result of efforts, provide early detection with the help of computer-aided programsIn this study, kMeans and Fuzzy C Means methods, which are among the global segmentation methods, and SLIC, Quickshift, Felzenszwalb, Watershed and ERS algorithms, which are among the superpixel segmentation methods, were used for automatic cell nucleus detection in high resolution histopathological images with computer aided programs. It is seen that better success is obtained in kMeans and FCM algorithms in high resolution histopathological images used as a result of the study. Quickshift and SLIC methods gave better results in terms of precision. In the F-Measure (F-M), it is seen that the best success is the k Means and FCM algorithms and the true negative ratio (TNR) is more successful in Quickshift and SLIC methods.
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
- Graph representation learning for histopathological images
Histopatolojik görüntüler için çizge temsil öğrenimi
ESRA TEPE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- An innovative and accurate deep learning based HER2 scoring method HER2-unet
HER2 tümör hücrelerinin segmentasyon için derin öğrenme tabanlı yeni bir yaklaşım
FARIBA DAMBAND KHAMENEH
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiPROF. DR. MUSTAFA ERSEL KAMAŞAK
- Histopatolojik görüntülerde mitoz belirleme
Mitosis detection in histopathological images
ABDÜLKADİR ALBAYRAK
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN BİLGİN
- Boosting fully convolutional networks for gland instance segmentation in histopathological images
Histopatolojik görüntülerde bez örneği bölütlemesi için tam evrişimsel ağ güçlendirmesi
GÖZDE NUR GÜNEŞLİ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR