Graph Representation Learning for Histopathological Images
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: ESRA TEPE
Danışman: Gökhan Bilgin
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kanser, insan yaşamını etkileyen büyük tehditlerden biridir. Kanser hastalıklarında ölüm oranı oldukça yüksektir ve tedavisi oldukça zor bir süreçtir. Erken teşhis kanser tedavisinde çok önemlidir. Kanser tespiti insan dokusundan numune alınıp laboratuvarda patologlar tarafından incelenmesi sonucunda yapılmaktadır. İnsana bağlı bir teşhis olduğundan kişiden kişiye sonuç değişebilmektedir. Patolog teşhisini kolaylaştırmak, teşhiste hata oranını en aza indirgemek için bilgisayar destekli teşhisler önem arz etmektedir. Çizge, her yerde bulunan verileri temsil etmenin çok yönlü ve etkili bir yoludur. Farmasötik öneriler, protein arayüzü tahmini, görüntü ve sosyal ağlar gibi birçok gerçek zamanlı problemler çizgeyi temsil etmektedir. Geleneksel makine öğrenme teknikleri ve derin öğrenme modelleri bu veriler üzerinde çalıştığında, verileri düzleştirmek gibi ön işlemlere ihtiyaç duyulmakta ve tüm veriler aynı boyutta olmalıdır, bu nedenle sorunların doğasından gelen bilgilerin kaybolmasına neden olmaktadır. Önyargı bilgisini kaybetmeden, çok başarılı bir yöntem olan sinir ağlarının görüntü ve diğer Öklidyen olmayan yapılar üzerinde çizge sinir ağları mantığı ile uygulanabilmektedir. Çizge sinir ağları , çizge gibi verilere evrişim mantığı uygulanarak oluşturulan derin öğrenme yöntemidir ve bir çok uygulamada başarılı sonuçlar vermiştir. Bu nedenle histopatolojik görüntüleri çizgeyle temsil etmek, çekirdekler arasındaki bağlantıyı bilmek avantaj sağlayabilmektedir. Bu çalışmada, biyomedikal görüntü türleri olan histopatoloji görüntülerinin Çizge sinir ağları kullanılarak sınıflandırılmasındaki zorluklar araştırılmıştır. Çizge tabanlı yöntemlerin uygulanabilmesi için verilerin çizge türünde olması gerekmektedir. Görüntü veri kümesini grafik veri kümesine dönüştürmek için öncelikle her yama bir çizgeye dönüştürülmesi gerekmektedir böylece çizge veri kümesi oluşturulacaktır. Çizge oluşturulurken öncelikle görüntü süper piksellere bölünmektedir ve ardından her bir süper piksel, çizgenin düğümü ve her komşu süper piksel arası kenar olarak belirlenmektedir. Bu yöntemle oluşturulan çizgelere süper piksel çizgeleri denir. Ardından yamaların sınıflandırılması için çizge veri kümesine üç ayrı çizge sinir ağı uygulanmıştır.