Histopatoloji görüntülerinde derin öğrenme ile genelleştirilmiş mitoz tespiti ve melanom tümör evre tahmini
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: YASEMİN TOPUZ
Danışman: Songül Varlı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tez içeriğinde, mikroskobik doku örneklerinin dijital hâle getirilmesiyle elde edilen histopatoloji görüntülerinde mitotik hücreleri genelleştirilmiş şekilde tespit edebilen ve bir cilt kanseri olan melanomda doku katmanları ile tümör bölgelerini belirleyip invazyon derinliği ölçümünü insan müdahâlesine gerek kalmadan gerçekleştirip tümör evresi tahmini yapabilen, derin öğrenme temelli uçtan uca bir bilgisayar destekli tanı sistemine ilişkin çalışmalar yer almaktadır. Dijital patolojinin sunduğu yüksek çözünürlüklü görüntüleme teknolojileri ve yapay zekâ tabanlı analiz yöntemleri, patologların iş yükünü azaltırken, tanısal doğruluğu artırarak subjektif değerlendirme hatalarını minimize etmektedir. Bu tez kapsamında önerilen sistem, genelleştirilmiş mitoz tespit sistemi ve melanom tümör evre tahmin sistemi olmak üzere iki omurga ve bunlara bağlı beş alt modülden oluşmaktadır. Ana omurgalardan biri olan genelleştirilmiş mitoz tespit sistemi, kanserin en önemli prognostik faktörlerinden olan mitotik hücreleri, tümör türü bağımsız ve çeşitli varyasyonlara duyarlı şekilde tespit etmeyi ve tespit edilen bu hücreleri kullanarak melanomda mitotik aktiviteyi tayin etmek için sıcak bölgeyi belirlemeyi içeren iki alt modül barındırmaktadır. Bu omurga kapsamında çeşitli nesne tespit modelleri analiz edilmiş, CNMI-YOLO ve SDF-YOLO isimli iki yeni nesne tespit yaklaşımı önerilmiş ve bu yaklaşımların mitotik hücre tespit performansına ilişkin farklı türde kanser, tarayıcı, canlı, patoloji merkezi verisini içinde barındıran MIDOG veri kümeleri ve MITOSIS14, TUPAC-auxiliary, CCMCT-MEL veri setlerinde detaylı analizleri ve karşılaştırmaları yapılmıştır. Tezin bir diğer omurgası olan melanom tümör evre tahmin sistemi ise cilt katmanlarından olan epidermisin bölütlenmesi, melanom tümör bölgelerinin bölütlenmesi ve bu iki bölütleme sonucunu kullanarak invazyon derinliği ölçümünün yapılması modüllerinden oluşmaktadır. Bölütleme çalışmaları kapsamında UNet tabanlı çeşitli mimariler uygulanmış ve histopatoloji görüntülerinde bölütleme için Lite-DynUNet isimli yeni bir yaklaşım önerilmiştir. Ayrıca bölütleme modelinin ürettiği çıktıları kullanarak hastanın birincil tümör evresini belirlemek için Hausdorff mesafesini temel alan ve birçok aşamadan oluşan invazyon derinliği ölçüm algoritması tasarlanmıştır. Bunlara ek olarak Cerrahpaşa Tıp Fakültesi, Patoloji Anabilim Dalı ile iş birliği yapılmış ve yinelemeli kendi kendine eğitim yaklaşımı uygulanarak melanom tümörü için 61 hastaya ait tüm slayt görüntülerinden oluşan bir veri seti hazırlanmıştır. Bu veri seti, epidermis katmanı, tümör bölgesi, invazyon derinliği, ülser varlığı ve tümör evresi bilgilerini içeren kapsamlı bir etiketli veri setidir. Tüm modüller için elde edilen sonuçlar, başarılı performans göstermiştir. Bu çalışma, dijital patolojide yapay zekâ alanında yapılacak araştırmalar için önemli bir referans noktası oluşturarak bilimsel literatüre değerli katkılar sunmaktadır.