Geri Dön

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

  1. Tez No: 807418
  2. Yazar: UMUT ÇİNAR
  3. Danışmanlar: PROF. DR. YASEMİN ÇETİN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 126

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

  1. İnvolüsyonel sinir ağları ile hiperspektral verilerin analizi

    Analysis of hyperspectral data with involutional neural networks

    MÜCAHİT CİHAN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT CEYLAN

  2. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  3. 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

    Türkçe

    2022

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. NEBİYE MUSAOĞLU

  4. Strong and weak light-matter interactions in plasmonic and optical cavities

    Plazmonik ve optik kavitelerde güçlü ve zayıf ışık madde etkileşimleri

    NAHİT POLAT

    Doktora

    İngilizce

    İngilizce

    2023

    Fizik ve Fizik Mühendisliğiİzmir Yüksek Teknoloji Enstitüsü

    Fotonik Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. SİNAN BALCI

  5. Izgara temelli monokromatörler ve hiperspektral kameraların kalibrasyonu

    Calibration of grating based monochromators and hyperspectral cameras

    ELİF ASENA ÖZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Fizik ve Fizik MühendisliğiGebze Teknik Üniversitesi

    Fizik Ana Bilim Dalı

    PROF. DR. MEVLÜT KARABULUT