Dijital histopatoloji görüntüleri üzerinde meme kanseri tespiti
Detection of breast cancer on digital histopathology images
- Tez No: 886738
- Danışmanlar: PROF. DR. REFİK SAMET
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 159
Özet
Son yıllarda, teknolojinin gelişmesiyle birlikte histopatoloji görüntülerinin bilgisayar ortamına yüksek çözünürlükle aktarılması, kanser tanı ve teşhis çalışmalarını yaygınlaştırmıştır. Kadınlarda en yaygın görülen kanser türü, meme kanseridir. Bloom-Richardson derecelendirme sistemi, meme kanseri histopatolojik derecelendirmesinde yaygın olarak kullanılır ve mitotik sayım, nükleer atipi ve tübüler oluşumdan oluşur. Patologlar, bu bileşenleri manuel olarak incelemektedirler. Histopatoloji görüntülerinin dijitalleştirilmesi ile dokuların incelenmesi işlemi nicel ölçümlere dayandırılarak patologlara destekleyici çalışmalar yapılmaktadır. Ancak, işaretlenmiş veri seti oluşturmanın zorluğu, farklı cihaz ve boyamaya bağlı renk dağılımı farkları, çekirdek tespiti ve segmentasyon zorlukları, nükleer atipi ve mitoz tespiti karmaşıklığı, tübüler oluşum tespitinin zorluğu ve büyük görüntülerde kanserli alanları belirlemenin güçlüğü gibi zorluklar vardır. Tez kapsamında, meme kanseri tespit ve derecelendirme sistemi geliştirilmesine yönelik özgün bir metodoloji önerilmiştir. H&E boyalı histopatoloji görüntüleri üzerinde işaretlenmiş çekirdek ve mitoz veri setleri oluşturulmuş ve literatürde kabul görmüş modellerle test edilmiştir. Renk varyasyonlarını minimize etmek için Macenko yöntemi kullanılmıştır. Çekirdek segmentasyonu için Hafifletilmiş U-Net ve ComSegNet modelleri geliştirilmiştir. Nükleer atipi çıkarımı için çekirdeklerin morfolojik özelliklerini analiz eden metodoloji sunulmuştur. Mitoz tespiti için derin öğrenme modelleri ile bulanık sınıflandırıcıları birleştiren bir metodoloji önerilmiştir. Tübüler oluşumların tespiti için dikkat modüllü U-Net mimarisi geliştirilmiştir. Kanserli bölge tespiti için AlexNet uygulanmıştır. Önerilen metodoloji, her aşamada geliştirilen yenilikçi yaklaşımlar ve elde edilen başarılı sonuçlarla, meme kanseri teşhis süreçlerini daha objektif ve sistematik hale getirmeyi hedeflemektedir. Bu sayede, kanser teşhisinde güvenilirlik arttırılarak, klinik uygulamalarda standartlaşma sağlanacaktır. Bu çalışma, klinik ve akademik alanlarda önemli katkılar sunmakta olup, sağlık sektöründe yenilikçi çözümler ve daha iyi tedavi yöntemlerinin geliştirilmesine imkan tanımaktadır.
Özet (Çeviri)
In recent years, with the advancement of technology, transferring histopathology images to the computer environment in high resolution has made cancer diagnosis studies more widespread. The most common type of cancer in women is breast cancer. The Bloom-Richardson grading system, which consists of mitotic count, nuclear atypia, and gland formation, is widely used in grading. Pathologists manually examine these components. Supporting studies for pathologists are conducted by digitizing histopathology images and analyzing tissues based on quantitative measurements. However, there are challenges such as creating labeled datasets, color distribution differences due to different devices and staining, difficulties in nuclei detection and segmentation, the complexity of nuclear atypia and mitosis detection, the importance of gland detection, and identifying cancerous areas in large images. This thesis proposes an original methodology for a breast cancer detection system. Nuclei and mitosis datasets annotated on H&E stained histopathology images were created and tested with models accepted in the literature. The Macenko method was used to minimize color variations. Lightweight U-Net and ComSegNet models were developed for nuclei segmentation. A methodology for nuclear atypia is presented. A methodology combining deep learning models and fuzzy classifiers for mitosis detection is proposed. An attention module-enhanced U-Net architecture was developed for gland detection. AlexNet was applied to detect cancerous areas. The proposed methodology aims to make breast cancer diagnosis processes more objective and systematic with innovative approaches and successful results were obtained. This study makes significant contributions to clinical and academic fields, enabling the development of innovative solutions.
Benzer Tezler
- 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
- Metastasis detection and localization in lymph nodes by using convolutional neural networks
Evrişimsel sinir ağları kullanılarak lenf düğümlerinde metastaz tespiti ve konumlandırılması
MUSTAFA ÜMİT ÖNER
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI
- A Deep Learning Approach for Categorizing Breast Carcinoma Histopathology Images
Meme Kanseri Histopatoloji Görüntülerinin Sınıflandırılması için bir Derin Öğrenme Yaklaşımı
TUĞÇE SENA ALTUNTAŞ
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SAMİ ARICA
DR. ÖĞR. ÜYESİ TUĞBA TOYRAN
- Kontrastlı spektral mamografi ile meme tümörlerinin kontrastlanma miktarı, paterni ve kinetiklerinin analizi
Evaluation of contrast enhancement intensity, pattern and kinetics of breast lesions on contrast-enhanced spectral mammography
AYŞE FÜSUN BEKİRÇAVUŞOĞLU
Tıpta Uzmanlık
Türkçe
2020
Radyoloji ve Nükleer TıpKaradeniz Teknik ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. DR. SİBEL KUL
- Benign ve malign solid meme kitlelerinin ayırımında sonoelastografinin tanıya katkısı ve histopatolojik korelasyon
Differential diagnosis of benign and malign breast masses and histopathologic correlation elastography diagnostic evaluation of contribution
MEHMET SIDDIK YILDIZ
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer TıpDicle ÜniversitesiDahili Tıp Bilimleri Bölümü
PROF. DR. ASLAN BİLİCİ