Mikroskobik hücre görüntülerinin derin öğrenme yöntemleri ile bölütlenmesi
Segmentation of microscopic cell images using deep learning methods
- Tez No: 946510
- Danışmanlar: PROF. DR. DAVUT HANBAY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hücre, organizmaların temel biyolojik işlemlerini gerçekleştirmeleri için kritik öneme sahip en küçük yapı birimidir. Hücrelerin analiz edilmesi, temel biyolojik araştırmaların klinik tanı ve tedavi süreçlerinde önemli bir yere sahiptir. Analiz süreci, medikal verinin işlenmesini gerektiren karmaşık bir süreçtir. Bu süreçte, medikal görüntülerin anlamlandırılması için hücre sınıflandırma ve hücre bölütleme teknikleri kullanılmaktadır. Hücre sınıflandırma, belirli biyolojik özelliklere dayanarak hücrelerin ayrıştırılmasını sağlayan teknikleri içerir. Hücre bölütleme ise, bireysel hücrelerin sınırlarını tespit etmeye odaklanan teknikleri içerir. Bu teknikler, mikroskobik hücre görüntülerinin değişken yapısı, farklı boyama ve görüntüleme teknikleri gibi çeşitli zorluklarla karşı karşıyadır. Bu zorlukların üstesinden gelmek için çeşitli derin ağ mimarileri geliştirilmiştir. Bu tez çalışmasında, hücre bölütleme ve hücre sınıflandırma görevlerine yönelik, derin ağ mimarilerini temel alan uygulamalar geliştirilmiştir. İlk olarak, farklı derin ağ mimarilerinin hücre bölütleme performansları incelenmiştir. Yapılan çalışmada, DeepLabv3+ mimarisi 0,8957 Jaccard değeri ve 0,9429 Dice değeri ile en iyi sonucu veren mimari olmuştur. Daha sonraki çalışmalarda hücre bölütleme görevini gerçekleştiren yeni bir derin öğrenme mimarisi olan RaUNet önerilmiştir. U-Net mimarisinin atlama bağlantılarına ters dikkat modülü entegre edilerek RaUNet mimarisi oluşturulmuştur. Ters dikkat modülü U-Net mimarisindeki bilgi kaybını azaltmakta ve detay bilgilerini korumaktadır. Dört farklı veri setinde RaUNet mimarisi test edilmiştir. Üçüncü olarak, hücre bölütleme görevinde giriş görüntü kalitesine odaklanılmıştır. Bu uygulamada, hücre görüntüleri dalgacık dönüşümü kullanılarak ön işlenmiş ve farklı dalgacıklardaki görüntüler birleştirilerek bölütleme görevi için hazırlanmıştır. Uygulama iki veri seti üzerinde test edilmiştir. Son olarak da bölütleme sonucunda beyaz kan hücrelerini sınıflandıran bir sistem tasarlanmıştır. Bu sistem, çeşitli derin ağ mimarilerinin transfer öğrenme sürecinde elde ettiği özellikler ve bu özelliklerin nitelikli seçiminden oluşmaktadır. Önerilen sistem, BCCD veri seti üzerinde 0,9863 doğruluk oranı ile en yüksek sınıflandırma performansını sergilemiştir. Bu tez kapsamında geliştirilen uygulamalar güncel yöntemlere kıyasla sundukları yenilikçi ve özgün yaklaşımlar sayesinde, hekimlerin karar destek sistemlerini güçlendirme açısından dikkate değer bir potansiyele sahiptir.
Özet (Çeviri)
The cell is the smallest structural unit essential for organisms to perform fundamental biological functions. Cell analysis plays a vital role in both basic biological research and the clinical diagnosis and treatment process. This analysis is a complex process that requires the interpretation of medical data. In this process, cell classification and cell segmentation techniques are used to make sense of medical images. Cell classification involves methods that differentiate cells based on specific biological characteristics. Cell segmentation involves techniques that focus on detecting the boundaries of individual cells. These techniques face several challenges, such as the variable nature of microscopic cell images, different staining and imaging techniques. Various deep network architectures have been developed to overcome these challenges. In this thesis, applications for cell segmentation and cell classification tasks are developed based on deep network architectures. First, the cell segmentation performance of different deep network architectures are analyzed. In the study, The DeepLabv3+ architecture achieved the best results, with a Jaccard index of 0.8957 and a Dice coefficient of. In subsequent studies, a new deep learning architecture, RaUNet, was proposed to perform the cell segmentation task. The RaUNet architecture was created by integrating the inverse attention module into the skip connections of the U-Net architecture. The inverse attention module reduces the information loss in the U-Net architecture and preserves detailed information. RaUNet architecture is tested on four different datasets. Third, we focus on the input image quality in the cell segmentation task. In this application, cell images are preprocessed using wavelet transform and images with different wavelets are combined to prepare for the segmentation task. The application was tested on two datasets. Finally, a system that classifies white blood cells after segmentation is designed. This system utilizes of the features obtained by various deep network architectures in the transfer learning process and an effective feature selection process. The proposed system showed the highest classification performance with an accuracy of 0.9863 on the BCCD dataset. The applications developed within the scope of this thesis have a remarkable potential to strengthen the decision support systems of physicians thanks to the innovative and unique approaches they offer compared to current methods.
Benzer Tezler
- Wistar tipi erkek farelerin gastrointestinal kanal duvarında yaygın apud hücrelerinin türleriyle dağılımlarının modifiye gümüşleme metodlarıyla ışık mikroskobu düzeyinde incelenmesi
Başlık çevirisi yok
MEVLÜT ASAR
Doktora
Türkçe
1986
MorfolojiAkdeniz ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
PROF. DR. MERAL TEKELİOĞLU
- Alloxan'ın sıçan pankreası üzerine etkilerinin ışık ve elektron mikroskobu seviyelerinde araştırılması
Investigation about the effect of alloxan on the rat at light and electronmicroscopical levels
SAİM ÖZDAMAR
Yüksek Lisans
Türkçe
1987
BiyokimyaCumhuriyet ÜniversitesiMorfoloji Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜRSOY
- Tamoxifenin testis dokusuna etkisinin ışık ve elektronmikroskop düzeylerinde incelenmesi
Investigating of the effect of tamoxifen on the testes tissue at light and electronmicroscopical levels
RECEP KUTLUBAY
Yüksek Lisans
Türkçe
1987
MorfolojiCumhuriyet ÜniversitesiHistoloji ve Embriyoloji Ana Bilim Dalı
DOÇ. DR. ERDOĞAN GÜRSOY
- Apandiste parazitlerin dağılımı
Distribution of parasites in the appendix
NURCAN YÜCEL TEMİZKAN
Yüksek Lisans
Türkçe
1986
MikrobiyolojiCumhuriyet ÜniversitesiMikrobiyoloji Ana Bilim Dalı
DOÇ.DR. GÜLENDAME SAYGI
- Çaldağı step florasında bulunan bazı familyalara ait bitkilerin polen morfolojilerinin araştırılması
Başlık çevirisi yok
FATMA BOZDOĞAN