Beyaz kan hücrelerinin evrişimli sinir ağları ile sınıflandırılması ve bölütlenmesi
Classification and segmentation of white blood cells using convolutional neural networks
- Tez No: 755968
- Danışmanlar: DR. ÖĞR. ÜYESİ TANSEL UYAR, DR. ÖĞR. ÜYESİ GÖKAY KARAYEĞEN
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Anabilim Dalı
- Sayfa Sayısı: 100
Özet
Son yıllarda beyaz kan hücrelerinin kan yayma görüntülerinden derin öğrenme yöntemleri kullanılarak tespiti, sınıflandırılması ve bölütlenmesi oldukça yaygınlaşmıştır. Beyaz kan hücrelerinin sınıflandırılması ve bölütlemesi lösemi, anemi ve çeşitli enfeksiyonlar gibi hastalıkların teşhisinde önemli rol oynamaktadır. Son yıllarda kan yayma görüntülerinin mikroskop altında incelenmesi gibi manuel yöntemlerin ve geleneksel algoritmaların yetersizliği sebebiyle işlem gücünün de artmasıyla bu tür problemlerin çözümünde derin öğrenme yaklaşımları sıklıkla kullanılmaya başlanmıştır. Sunulan tez çalışmasında beyaz kan hücrelerinin sınıflandırılması ve bölütlenmesi için iki ayrı yapay sinir ağı modeli oluşturulmuştur. Sınıflandırmada beyaz kan hücreleri bazofil, nötrofil, eozinofil, monosit ve lenfosit olmak üzere 5 sınıfa ayrılmıştır. Bölütlemede ise bazofil hariç 4 sınıfa (nötrofil, eozinofil, lenfosit ve monosit) ayrılmıştır. Bazofil hücre tipi, çekirdek ve sitoplazmasının neredeyse aynı büyüklükte olması nedeniyle bölütlemede kullanılmamıştır. Beyaz kan hücrelerinin bölütlemesi için semantik bölütleme yöntemi kullanılmıştır. Bölütleme için arka plan, çekirdek ve sitoplazma olmak üzere üç piksel sınıf etiketi belirlenmiştir. Yapılan çalışmaların performansını değerlendirmek için çeşitli performans değerlendirme metrikleri kullanılmıştır. Sınıflandırma için doğruluk, kesinlik, duyarlılık ve F1 Skoru değerleri; bölütleme için doğruluk, BF skoru ve IoU değerleri hesaplanmıştır. Sunulan tez çalışmasında, önerilen yöntemin literatürde yer alan diğer çalışmalarla karşılaştırıldığında sınıflandırmada daha iyi performansa sahip olduğu tespit edilmiştir. Ayrıca önerilen bir diğer yöntem olan bölütleme algoritmasıyla birlikte elde edilen başarılı sonuçlar ile klinik alanda hastalıkların teşhisinde kullanılabilecek bir tanı aracı da gelecek perspektifini oluşturmaktadır. Bu sunulan çalışmada, beyaz kan hücrelerinin hızlı ve doğru şekilde sınıflandırılması ile bölütlenmesi sağlandığı için hastalıkların erken teşhisinde önemli bir rol oynayabileceği çalışmanın önemini arz etmektedir. Ayrıca oluşturulan sistemin eğitilerek büyük mikroskop görüntülerinden beyaz kan hücrelerinin olduğu kısımlar tespit edilerek bu hücreleri tanıyabilen bir sistem oluşturmak amaçlanmıştır.
Özet (Çeviri)
In recent years, detection, classification and segmentation of white blood cells from blood smear images using deep learning methods have become quite common. Classification and segmentation of white blood cells plays an important role in the diagnosis of diseases such as leukemia, anemia and various infections. In recent years, due to the inadequacy of manual methods and traditional algorithms such as examining blood smear images under a microscope, deep learning approaches have been frequently used in solving such problems with the increase in processing power. In the presented thesis, two different artificial neural network models were created for the classification and segmentation of white blood cells. In classification, white blood cells are divided into 5 classes: basophil, neutrophil, eosinophil, monocytes and lymphocytes. In segmentation, it is divided into 4 classes (neutrophil, eosinophil, lymphocyte and monocytes) except basophils. The basophil cell type was not used for segmentation because its nucleus and cytoplasm were almost the same size. Semantic segmentation method was used for segmentation of white blood cells. Three pixel class labels were determined for segmentation: background, nucleus, and cytoplasm. Various performance evaluation metrics were used to evaluate the performance of the studies. Accuracy, precision, sensitivity and F1 Score values for classification; For segmentation, accuracy, Boundary F1 (BF) score and Intersection over Union (IoU) values were calculated. In the presented thesis study, it has been determined that the proposed method has better performance in classification when compared to other studies in the literature. In addition, with the successful results obtained with the segmentation algorithm, which is another proposed method, a diagnostic tool that can be used in the diagnosis of diseases in the clinical field creates a future perspective. In this presented study, it is important to study that it can play an important role in the early diagnosis of diseases, as it provides rapid and accurate classification and segmentation of white blood cells. In addition, by training the created system, it is aimed to create a system that can recognize these cells by detecting the parts with white blood cells from large microscope images.
Benzer Tezler
- Blood cell classification using machine learning and deep learning
Makine öğrenimi ve derin öğrenmeyle kan hücre sınıflandırması
MUHAMMAD ABUZAR ANWAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
prof. Dr. EYLEM GÜLCE ÇOKER
- Computational modeling of bio-fluid mechanics of white blood cells
Beyaz kan hücrelerinin bio-akışkan mekaniğinin sayısal modellenmesi
MURAT BAHADIR SOYDAN
Yüksek Lisans
İngilizce
2004
Makine MühendisliğiKoç ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METİN MURADOĞLU
- Derin öğrenme yöntemleri ile periferik yayma görüntülerinin analizi ve sınıflandırılması
Analysis and classification of peripheral blood smear images using deep learning methods
YUSUF YARGI BAYDİLLİ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜMİT ATİLA
- Mikroskop görüntüleri üzerine tabanli insan kan örneklerinde lösemi tesbiti
Detection of leukemia in human blood sample based on microscope image
JAHWAR YOUSIF ARIF ARIF
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR
- Kan hücre sayıcılarının incelenmesi ve beyaz kan hücrelerinin elektronik devre yardımı ile analizi
The Examination of blood cell counters and the analysis of the white blood cells through electronic circuit
CENK ALPER
Yüksek Lisans
Türkçe
1992
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiDOÇ. DR. MEHMET KORÜREK