A system implementation for analyzing and tracking motile objects in biomedical images
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2017
Tezin Dili: İngilizce
Öğrenci: HAMZA OSMAN İLHAN
Danışman: Nizamettin Aydın
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Sperm Sayımı infertilite teşhisinin ilk aşamasıdır. Bilgisayar Destekli Sperm Analizi (BDSA) ve Görsel Değerlendirme (GD) sperm analizlerinde kullanılan iki değerlendirme tekniğidir. GD, sayım çemberi üzerinden sperm gözlemleyerek gerçekleştirilir. Bu nedenle, teşhis genelde beceri ve deneyime bağlıdır. Öte yandan, BDSA, gelişmiş bilgisayar teknikleri ve insan etkilerinin izolesi sayesinde daha gelişmiş bir teknolojidir. Ancak, tümleşik bir sistem olduğundan GD tekniğinden daha pahalı bir analizleme çözümüdür. Buna ek olarak, BDSA sistemlerinde, uğraştırıcı bir parametre belirleme işlemi gereklidir. Sistemin başarımı, belirlenen parametrelerle bağıntılıdır. Bu tez çalışmasında akıllı telefon ve bilgisayar kullanarak sperm konsantrasyonu ve motilite analizi için kombinasyonel bir yaklaşım geliştirmeyi amaçlıyoruz. Akıllı telefon, GD tekniğine benzer görüntüler elde etmek için kullanılmıştır. Sonrasında, insan etkilerini ortadan kaldırmak için bilgisayarla analiz yöntemleri kullanılarak numune analiz edilir. Çalışma kapsamında, sperm sayım çemberleri üzerinden elde edilen görüntüleri analiz etmek amacıyla Bilgisayar Destekli Sperm Sayma ve Hareket Analiz Yazılımı (BSSHAS) adlı bir yazılım önerildi. Yazılım, sıralı olarak koşturulan yedi modülden oluşmaktadır: (1) Veri Toplama ve Organizasyon, (2) Otomatik Izgara Tespiti ve İlgi Alanı çıkartımı, (3) Video Sabitleme, (4) Hareketli / Hareketsiz Sperm Hücresi Algılama, (5) Spermlerin Sayımı, (6) Hareketli Sperm Takibi ve (7) Yörünge Sınıflandırması. Her adım, görüntü işleme tekniklerinden oluşan çeşitli kombinasyondan oluşur. Öncelikle, veri toplama ve organizasyonu, geleneksel BDSA sistemlerinin aksine, daha az maliyetli bir tasarım sağlamak için yeni bir yaklaşım kullanılarak gerçekleştirildi. Sonrasında, yazılım tarafında, İlgi Alanları (İA) çıkarma işlemi, çizgi algılama ve bölütleme yöntemlerinin kombinasyonel bir yaklaşımı ile gerçekleştirildi. Ardından, veri toplama aşamasında oluşan titreşimleri ortadan kaldırmak için özellik eşleme tabanlı video sabitlemesi üzerine algoritma geliştirildi. Özelliklerin çıkartılması anlamında, farklı tanımlayıcılar test edildi. Dördüncü olarak, hareketsiz ve hareketli sperm hücresinin algılamasında sırasıyla arka plan ve ön plan çıkartma teknikleri kullanıldı. Ek olarak, bu aşamada hareketsiz sperm bölütleme başarımını arttırmak için aktif kontur, çift eşikleme ve kümeleme yöntemleri uygulandı. Bundan sonra tespit edilen spermler piksel tabanlı blob analizi ile sayıldı. Hareketlilik analizi için hareketli olarak tesbit edilen spermler, Mean Shift ve Kalman Filtreleri ile takip edildi. Yörüngelerden çeşitli hareket özellikleri çıkarılarak dört sınıfa ayrıldı. Son adım olarak, sonuçlar kullanıcılara bildirildi. Önerilen yazılımın her modülü ayrı ayrı test edildi. Otomatik İA saptama ve çıkartma adımında, iki yaklaşım incelendi ve 20 hastadan elde edilen 80 video üzerinden denendi. Sonuçlar karşılaştırıldı. Video sabitleme çalışması, 14 hastadan elde edilen 42 video üzerinde değerlendirildi. Sperm konsantrasyon analizi için iki teknik test edildi. Fuzzy C-Means tabanlı bölümlemenin performansı 5 denekten elde edilen 15 video üzerinde ölçüldü. Daha gelişmiş bir teknik, çift eşikleme ve aktif kontur tabanlı bölütleme, 8 deneğin 32 videosunda değerlendirildi. Son olarak, 8 hastadan elde edilen 32 video, izleme tekniğinin doğrulanması için kullanıldı. Sonuç olarak, önerilen spermiogram analiz yaklaşımının test aşamasına, 55 denekten farklı zamanlarda elde edilen toplam 201 semen videosu dahil edilmiştir. Klinik araştırmada, başlangıç olarak BDSA sistemi, GA ve önerilen BSSHAS sperm konsantrasyon sayım sonuçlarını uygun yoğunluk hesaplama tekniği kullanarak karşılaştırdık. GA tekniğinde, uzmanlar manuel olarak hareketli ve hareketsiz spermleri 10 ve 16 kare genellemesini kullarak saymaktadırlar. Konsantrasyon analiz sonuçlarına göre, önerilen BSSHAS, GA ile benzer çıktılar üretmiştir. Önerilen yöntem, hareketsiz spermlarin sayımında daha tutarlı ve az dalgalanma göstermektedir. Ayrıca, Asthenospermi gibi spesifik hastalıkların belirlenmesi için GA'den daha etkilidir. Geleneksel SQA-Vision BDSA sisteminin ise 5 milyondan az sperm hücresi bulunan örneklerde analiz yapamayacağı bilinmektedir. Bu nedenle, sunulan yaklaşım, kısırlık tanısında daha etkilidir. Hareketli sperm analizinde ise, önerilen BSSHAS, SQA-Vision CASA ile karşılaştırıldığında benzer çıktılar vermektedir. Tek bir spermatozanın diğer spermler içerisinde bir süre boyunca manuel olarak gözle izlenmesinin güç olmasından dolayı, SQA-Vision, hareketli hücre sayımı analizinde, GA tekniğine göre daha güvenilir bir tekniktir. Dolayısıyla, SQA-Vision ile önerilen BSSHAS arasındaki benzerlikler, hareketlilik analizi için GA tekniği ile karşılaştırmadan daha anlamlıdır. Elde edilen konsantrasyon ve hareket analizi sonuçlarına göre, önerilen akıllı telefon temelli sperm analiz yaklaşımı laboratuarlarda uyarlanabileceği kanıtlanmaktadır. Önerilen sistemimiz modülerlik, işlevsellik, doğruluk ve düşük maliyet ile dikkat çekmektedir. Buna ek olarak, GA ve BDSA'deki insan faktörününe bağlı hataları ortadan kaldırmaktadır.