Integrating hyperspectral imaging and microscopy for hepatocellular carcinoma detection from h&e stained histopathology images
H&e boyali histopatoloji görüntülerinden hepatosellüler karsinom tespiti için hiperspektral görüntüleme ve mikroskop entegrasyonu
- Tez No: 807418
- Danışmanlar: PROF. DR. YASEMİN ÇETİN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, ışık mikroskobu ile entegre bir hiper-spektral görüntüleme sistemi (HSI) kullanarak Hepatosellüler Karsinom (HCC) sınıflandırması için yeni bir yöntem sunuyoruz. HCC tanısı alan sağlıklı ve kanserli doku örneklerinden oluşan karaciğer mikro-dizi slaytlarından 270 bant hiper-spektral görüntü elde etmek için özel bir görüntüleme sistemi geliştirdik. Doğru bir sınıflandırma modeli oluşturmak için, 3 boyutlu evrişimlerle (3B-CNN) Evrişimsel Sinir Ağları (CNN) kullandık. Bu evrişimler, hiper-spektral küpte hem spektral hem de mekânsal özellikleri içerir ve sağlam bir sınıflandırıcı eğitmek için kullanılır. 3B evrişimler kullanarak, CNN eğitimi sırasında hiper-spektral verilere manuel özellik mühendisliği yapmaya gerek kalmadan otomatik olarak ayırt edici özellikler toplayabiliriz. Önerilen yöntemimiz kompakt olup tıbbi HSI uygulamalarında etkili bir şekilde uygulanabilir. Ayrıca, veri kümesindeki sınıf dengesizliği sorununu, CNN maliyet fonksiyonu olarak odak kayıp fonksiyonunu kullanarak ele aldık. Bu fonksiyon, zor örneklerin öğrenilmesini vurgular ve sınıflar arası dengesizliğin eksikliği nedeniyle meydana gelen aşırı uyumu önler. Deneysel sonuçlarımız, karaciğer kanseri doku sınıflandırmasında hiper-spektral verilerin RGB verilerinden daha iyi performans gösterdiğini ve artan spektral boyutun daha yüksek sınıflandırma doğruluğuna yol açtığını göstermektedir. Ayrıca, kanser doku sınıflandırması için doğru bir sınıflandırıcı eğitmekte spektral ve mekânsal özelliklerin her ikisinin de kritik olduğunu bulduk.
Özet (Çeviri)
In this study, we introduce a new method for classifying Hepatocellular Carcinoma (HCC) using a hyperspectral imaging system (HSI) integrated with a light microscope. We developed a custom imaging system that captures 270 bands of hyperspectral images from healthy and cancerous tissue samples with HCC diagnosis taken from a liver microarray slide. To build an accurate classification model, we utilized Convolutional Neural Networks (CNNs) with 3D convolutions (3D-CNN). These convolutions incorporate both spectral and spatial features within the hyperspectral cube to train a robust classifier. By leveraging 3D convolutions, we can collect distinctive features automatically during CNN training without requiring manual feature engineering on hyperspectral data. Our proposed method is compact and can be applied effectively in medical HSI applications. Additionally, we addressed the class imbalance problem in the dataset by utilizing the focal loss function as the CNN cost function. This function emphasizes hard examples to learn and prevents overfitting caused by the lack of inter-class balancing. Our empirical results indicate that hyperspectral data outperforms RGB data in liver cancer tissue classification, and increased spectral resolution leads to higher classification accuracy. Furthermore, we found that spectral and spatial features are both critical for training an accurate classifier for cancer tissue classification.
Benzer Tezler
- İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi
Analysis of hyperspectral data with involutional neural networks
MÜCAHİT CİHAN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- Sparse coding via high dimensional model representation for hyperspectral images
Hiperspektral görüntüler için yüksek boyutlu model gösterilim aracılığıyla seyrek kodlama
KAMILA MUMINOVA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- İntrüzif kayaçlarda nadir toprak elementleri (NTE) ve iz elementlerinin uzaktan algılama (UA) ve coğrafi bilgi sistemi (CBS) yöntemleri ile araştırılması: Sivrihisar bölgesi örneği
Investigation of rare earth elements (REE) and trace elements in intrusive rocks via remote sensing (RS) and geografic information system (GIS) methods: A case study of Sivrihisar region
AHMED ABDULLAHI ISMAIL
Yüksek Lisans
Türkçe
2025
Jeoloji MühendisliğiEskişehir Osmangazi ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN SENDİR
- Uzaktan algılama teknolojileri kullanılarak denizlerde kirliliğin izlenmesi: Marmara Denizi örneği
Monitoring of pollution in the sea using remote sensing technologies: The case of the Sea of Marmara
BUSE TIRMANOĞLU
Yüksek Lisans
Türkçe
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Fotovoltaik güneş panellerinin uydu görüntü işleme ve füzyon teknikleri kullanılarak tespiti: Konya Çumra örneği
Detection of photovoltaic solar panels using satellite image processing and fusion techniques: The case of Konya Cumra
ORHAN ÜMİT
Yüksek Lisans
Türkçe
2025
EnerjiEskişehir Teknik ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. UĞUR AVDAN