Mikrobiyolojik görüntülerin incelenmesi: bilgisayar destekli sperm tespiti ve morfoloji analizi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: MECİT YÜZKAT
Asıl Danışman (Eş Danışmanlı Tezler İçin): Nizamettin Aydın
Eş Danışman: Hamza Osman İlhan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dünya Sağlık Örgütü'ne göre kısırlık; çiftlerin herhangi bir koruma olmaksızın on iki ay ve daha fazla süre boyunca düzenli cinsel ilişkiye girmelerine rağmen gebeliğin oluşmama durumu olarak tanımlanır. Günümüzde kısırlık dünya nüfusunun yaklaşık %20'sini etkileyen yaygın bir problem haline gelmiştir. Kısırlığın teşhisi yapılırken kadın ve erkeğin ayrı ayrı üreme hücreleri incelenir. Erkeklere ilişkin kısırlık faktörlerinin teşhisinde, laboratuvar ortamında belirli koşullar altında sperm hücrelerinin analizi yapılır. Sperm hücrelerinin analizi yapılırken şekil (morfoloji), sayı (konsantrasyon) ve hareket (motilite) olmak üzere spermin üç önemli özelliğinden faydalanılır. Sperm analizi doktorlar tarafından görsel olarak yapılabileceği gibi bilgisayar destekli sperm analiz sistemleri kullanılarak da yapılabilmektedir. Görsel incelemenin kişiden kişiye farklı sonuçlar vermesi ve maliyetli olması nedeniyle bilgisayar destekli analizlerin önemi her geçen gün artmaktadır. Öte yandan, bilgisayar tabanlı uzman sistemler daha tutarlı ve güvenilirdir. Ancak çok pahalı sistemler oldukları için pek çok laboratuvarda bulunmamaktadır. Tez çalışmasında genel olarak, her iki yöntemin dezavantajlarını ortadan kaldırmak için bilgisayarlı analiz kısmı ile görsel değerlendirme ortamından yararlanan hibrit bir uzman sistem geliştirilmiştir. Geliştirilen sistem ile manuel yönlendirme ve kırpma işlemleri ortadan kaldırılmıştır. Tez kapsamında uzun eğitim sürelerinden kaçınmak adına geleneksel makine öğrenmesi modellerinin yerine derin öğrenme tabanlı yöntemler kullanılmıştır. Geliştirilen sistemde, sperm görüntülerinden sperm morfolojisi analizi ve sperm videolarından sperm tespiti gibi iki modüler yaklaşım kullanılmıştır. İlk modül olan morfoloji analizinde, sağlıklı sonuçlar elde etmek için sperm görüntülerinin anlaşılabilir olması gerekir. Ancak, kameranın titremesi, düşük kalite kamera kullanımı vb. nedenlerden dolayı bu görüntüler yeterince anlaşılır olmayabilirler. Tez çalışması kapsamında sperm şekli için bilgisayar tabanlı bir analiz yaklaşımının sınıflandırma performansını artırmak için ön işleme adımı olarak farklı renk uzaylarının etkisi ve interpolasyon yöntemlerinin uygulanması araştırılmıştır. Ayrıca, hem en yüksek sınıflandırma doğruluğunu elde etmek, hem de veri dengesizliği ve veri yetersizliği problemlerini çözmek için çeşitli veri artırma işlemleri uygulanmıştır. Daha sonra sperm görüntülerinin morfolojik sınıflandırmasını tamamen otomatikleştirmek için derin öğrenme tabanlı altı farklı Evrişimsel Sinir Ağ (Convolutional Neural Network - CNN) modeli oluşturulmuştur. Ek olarak, bu modeller üzerinde çoğunluk oylaması (hard voting) ve ağırlıklı oylama (soft voting) olmak üzere iki karar düzeyinde birleştirme (fusion) yöntemi uygulanmıştır. Oluşturulan modellerin dışında transfer öğrenme yöntemleri ile önceden eğitilmiş modellerin bazı katmanları modifiye edilerek kullanılmıştır. Önerilen yaklaşımın performansını değerlendirmek için SMIDS, HuSHeM, SCIAN-Morpho ve MHSMA olarak kısaltılan dört sperm morfolojisi veri seti kullanılmıştır. Sperm hücrelerinin morfolojik olarak sınıflandırılması aşamasında doğruluk skorlarına ek olarak Kesinlik (Precision), Duyarlılık (Recall), Özgüllük (Specificity), F-Skor (F-score) ve Kappa gibi birçok performans metriği kullanılmıştır. İkinci modülde ise sperm hücrelerinin tespiti, konsantrasyon ve hareket parametrelerinin belirleme aşaması ele alınmıştır. Bu modülde, sperm örneklerinin konsantrasyon ve hareketlilik özelliklerini elde etmek için sperm tespitinde derin öğrenme tabanlı nesne tespit yöntemleri kullanılmıştır. İlk olarak farklı kısır hastalardan elde edilen örnek sperm videoları, mikroskobun oküler kısmına monte edilen bir akıllı telefon aracılığıyla kaydedilmiştir. Daha sonra videolar içindeki hücreler sperm ve sperm olmayan olarak ayrı ayrı etiketlenmiştir. Etiketlenmiş veri seti üzerinde farklı senaryolar test edilmiştir. Sonuçlar doğruluk (Mean Average Precision - mAP) ve hız açısından karşılaştırılmıştır. Sonuç olarak hem sperm hücrelerinin morfolojik sınıflandırılması hem de videolarda sperm hücrelerinin tespit aşamalarında literatürdeki çalışmalara kıyasla daha başarılı sonuçlar elde edilmiştir.