Local object patterns for tissue image representation and cancer classification
Kanser sınıflandırma ve doku görüntü temsilinde lokal nesne desenleri
- Tez No: 335859
- Danışmanlar: YRD. DOÇ. DR. ÇİĞDEM GÜNDÜZ DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Doku sınıflandırma, Görüntü sınıflandırma, Tissue classification, Image classification
- Yıl: 2013
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Histopatolojik doku incelemesi kanser te şhis ve derecelendirmesinde rutin olarak uygulanan yöntemdir. Fakat, bu inceleme patalo ğun uzmanlığı na ve deneyimine ba ğl ı olan görsel çıkarımlar gerektirdi ği i çin öznellik i çerir. Sonu çlardaki öznelli ğin etkisini azaltmak için doku görüntüsünü nicel özelliklerle temsil eden ve bu özellikleri kullanarak doku sınıflandırması ve derecelendirmesi yapan otomatik kanser tanı ve derecelendirme sistemleri önerilmi ştir. Bu tezde, etkili bir şekilde histopatolojik doku görüntülerini temsil etmek ve sınıflandırmak i çin yeni bir yakla şı m sunulmu ştur. Bu yakla şı mda, doku görüntülerinin histolojik bile şenlerine ayrılması önerilmi ş ve bu bile şenlerin doku içerisindeki dağılımını modellemek i çin lokal nesne desenleri olarak adlandı rdığımız yeni bir grup örgüsel tanı mlayı cı ortaya konulmu ştur. Bu tan ımlayı cı lar, lokal ikili desenler yönteminin mantığı kullanı larak tanı mlanmı şt ır. Ancak, pikseli, kom şular ını n göreceli yoğunlu ğuna göre ikili bir dizi kurarak niceleyen piksel seviyesindeki lokal ikili desenlerin aksine, doku bile şenlerini nicelemek amacı yla, lokal nesne desen tan ımlay ıc ıları bile şen seviyesinde tanı mlanmıştır. Bu ama çla, değişik lokallik alanındaki kom şuluklar belirlenmi ş ve belirlenen komşuluklardaki bile şenlerin uzaydaki düzeni kodlanm ıştı r. Sonrası nda, histolojik bile şenleri karakterize etmek amacı yla, bu dizilerden örgüsel tanımlayıcılar çıkartılmış ve bu şekilde karakterize edilmi ş bile şenlerden resmin kelime-torbas ı temsili olu şturulmuştur. Bu tezde, bile şenlerin se çilmesi i çin iki yaklaşım kullanılmıştır: İlk yaklaşım kelime-torbası temsilini çıkartmak için tüm bile şenleri kullanı rken, ikinci yakla şım çizge yürümesi ile birden fazla bile şen alt kümesi seçmi ş ve bunlardan birden fazla kelime-torbas ı temsili oluşturmuştur. Mikroskopik histopatolojik kolon doku görüntüleri üzerinde yaptığımız deneyler, önerilen bileşen seviyesindeki örgüsel tanımlayıcıların önceki örgüsel yaklaşımlara göre daha yüksek do ğruluk oranlar ı verdiğini göstermektedir.
Özet (Çeviri)
Histopathological examination of a tissue is the routine practice for diagnosis and grading of cancer. However, this examination is subjective since it requires visual interpretation of a pathologist, which mainly depends on his/her experience and expertise. In order to minimize the subjectivity level, it has been proposed to use automated cancer diagnosis and grading systems that represent a tissue image with quantitative features and use these features for classifying and grading the tissue. In this thesis, we present a new approach for effective representation and classifi cation of histopathological tissue images. In this approach, we propose to decompose a tissue image into its histological components and introduce a set of new texture descriptors, which we call local object patterns, on these components to model their composition within a tissue. We de fine these descriptors using the idea of local binary patterns. However, we de fine our local object pattern descriptors at the component-level to quantify a component, as opposed to pixel-level local binary patterns, which quantify a pixel by constructing a binary string based on relative intensities of its neighbors. To this end, we specify neighborhoods with diff erent locality ranges and encode spatial arrangements of the components within the specifi ed local neighborhoods by generating strings. We then extract our texture descriptors from these strings to characterize histological components and construct the bag-of-words representation of an image from the characterized components. In this thesis, we use two approaches for the selection of the components: The first approach uses all components to construct a bag-of-words representation whereas the second one uses graph walking to select multiple subsets of the components and constructs multiple bag-of-words representations from these subsets. Working with microscopic images of histopathological colon tissues, our experiments show that the proposed component-level texture descriptors lead to higher classi fication accuracies than the previous textural approaches.
Benzer Tezler
- Markov ve Gibbs rastlantı alan modelleri ile doku sentezleme ve sınıflandırma
Texture synthesis and classification using Markov and Gibbs random field models
ERDOĞAN CAMCIOĞLU
Yüksek Lisans
Türkçe
1990
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF. DR. ERDAL PANAYIRCI
- Modern mimarlığın süreklilikleri 20.yüzyıl modernizmi için ortak bir zemin oluşturma çalışması
Başlık çevirisi yok
HAKKI YIRTICI
- Histopatolojik görüntülerde tümör bölütlenmesi
Tumor segmentation in histopathological images
ZEHRA BOZDAĞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH TALU
- Uzaktan algılama görüntülerinde geoistatistiksel yöntemler ile doku analizi
Texture analysis on remote sensing images with geostatistical methods
ÖZER AKYÜREK
Doktora
Türkçe
2019
Jeodezi ve FotogrametriKocaeli ÜniversitesiJeodezi ve Jeoinformasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. OZAN ARSLAN
- Bekleyiş halindeki yer; mimari programın tanımlayamadığı bağımsız gündelik yaşantı aralıkları
A place of expectation; independent daily life intervals which architectural program can not define
ALPER GÜLLE