Uzamsal bilgi kullanarak histopatolojik görüntü analizi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: MUHAMMED EMİN BAĞDİGEN
Danışman: Gökhan Bilgin
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kanser Dünya çapında insan hayatına tehdit unsuru olan en büyük etmenlerden biridir. Kanserli hastalıklarda ölüm oranı oldukça yüksektir. Kanser tedavisinin başarılı sonuç vermesini etkileyen en önemli etmenlerden biri erken teşhistir. İnsan dokusundan alınan örnekler üzerinde uzun ve dikkat gerektiren işlemler sonucu kanser tespiti yapılmaktadır. Patalog ve doktorların yoğunlukları, iş hayatlarındaki stres, özel yaşamlarında yaşayabilecekleri problemler hata yapma ihtimallerini artıran etmenlerdir. Patalog ve doktorların hata yapma ihtimallerini en aza indiren, verdikleri kararları destekleyen ya da ikinci bir fikir sunan bilgisayar destekli karar destek makineleri önemli bir ihtiyaç haline gelmiştir. Görüntüleme tekniklerinin gelişmesi, görüntülerin sayısal ortama kolayca aktarılabilmesi ve maliyetin düşük olması bu alandaki çalışmaları hızlandırmıştır. Bu çalışmada da biyomedikal görüntü çeşitlerinden olan histopatolojik görüntülerde üzerinde bölütleme ve sınıflandırma problemleri üzerine yoğunlaşılmıştır. Histopatolojik görüntülerin alınmasında kullanılan donanımların farklılıkları, HE boyamadan kaynaklı renk farkları gibi sebeplerden dolayı histopatolojik görüntüler üzerinde çalışmalar zorlaşmaktadır. İlk çalışmada, HistopathologyBreastCancer veri seti kullanılarak hücre tespiti çalışması yapılmıştır. Çalışmada, yer doğru bilgisi içeren histopatolojik görüntülerde hücresel bölgelerin tespiti yapılması amaçlanmıştır. Öncelikle görüntü içerisinden alınan pencerelerde, Gabor filtresi kullanılarak, belirli yönlerde belirli frekans içeriğinin olup olmadığını bulmak amaçlanmış, pencerelenen bölgelerden öznitelikler çıkarılmıştır. Böylece eğitim ve test veri setleri oluşturulmuştur. Daha sonra çıkarılan eğitim veri setleri kullanılarak K-En Yakın Komşular (k-EYK), Destek Vektör Makinesi (DVM) ve Rastgele Ormanlar (RO) eğiticili sınıflandırma yöntemleri kullanılarak sınıflandırma yapılmıştır. Test verileri kullanılarak yapılan sınıflandırmaların başarıları gözlemlenmiş, elde edilen sonuçlar tablo şeklinde sunulmuştur. İkinci çalışmada, Bioimaging Challenge 2015 Breast Histology veri seti kullanılarak kanser tespiti ve derecelendirilmesi yapılması amaçlanmıştır. Etiketli örnek sayısı 4812 olan eğitim verisi üzerinde yerel ikili örüntü (YİÖ) histogramları çıkarılarak ve Gabor filtreleri kullanılarak öznitelik matrisleri oluşturulmuştur. Sonrasında ise, k-EYK, karar ağacı (KA) ve topluluk öğrenmesi (TÖ) yöntemleri olan bagging, adaboost, RO gibi öğreticili sınıflandırma yöntemleri kullanılarak sınıflandırma işlemi gerçekleştirilmiştir. Test verisi olarak ayrıştırılan 491 adet görüntü ile yapılan sınıflandırmaların başarıları hesaplanmıştır. Çalışmanın sonunda öznitelik çıkarma yöntemleri ve sınıflandırıcıların başarıları karşılaştırılmış, elde edilen sonuçlar tablolar halinde sunulmuştur. Üçüncü çalışmada, TCNB\_NucleiSegmentation veri seti üzerinde hücre bölütlemesi çalışması yapılmıştır. Veri setinde var olan görüntüler yapay veri üretme yöntemi ile çoğaltılmıştır. Veri setinde bulunan YD görüntüleri kullanılarak yalnızca hücre sınırlarını içeren ikinci bir YD görüntü seti oluşturulmuştur. Eğitim ve test verisi olarak ayrıştırılan veri seti, histogram eşitleme işleminde geçirilerek 64 x 64, 128 x 128 ve 512 x 512 piksellik parçalara ayrıştırılmıştır. 3 farklı boyda oluşturulan setler ve iki farklı YD görüntüsü ayrı ayrı kullanılarak UNet ile eğitim gerçeklenmiştir. Eğitim sonucunda elde edilen çıktı görüntüsü üzerinde threshold işlemi ile iyileştirme yapılmıştır. 64 x 64 ve 128 x 128 piksellik görüntüler ile gerçekleştirilen eğitim çıktıları topluluk öğrenmesi yöntemine benzer bir teknik ile birleştirilerek 512 x 512 piksellik görüntüler haline getirilmiştlerdir. Birleştirme işleminin başarıya etkisi de ayrı olarak gözlemlenmiştir. Çalışma boyunca tüm gerçekleştirilen adımların başarıları gözlemlenmiş ve sonuçlar, tablolar halinde sunulmuştur.