Görüntü işleme teknikleri ve sezgisel yöntemler kullanılarak çekirdek görüntü segmentasyonu

Modern bilimsel laboratuvar ortamında dijital patoloji giderek önem kazanmakta ve artan bir teknolojik gereksinim haline gelmektedir. Özellikle yorumlanabilir modellerin geliştirilmesi için hücre çekirdeklerinin saptanması ve segmentasyonu son derece önemlidir. Dijital görüntü işleme, görüntü iyileştirme ve görüntü tabanlı örüntü tanıma alanlarındaki güçlü araştırma programlarını destekler. Çeşitli görüntü işleme teknikleri görüntü bölütleme, verilen görüntüyü analiz etme adımında hayati bir rol oynar. Görüntü segmentasyonu, görüntüleri analiz etmek ve onlardan veri çıkarmak için temel adımdır. Bu tezde, bir görüntünün segmentasyonu bölütlemek için kenar bulma, eşikleme, bölge büyütme ve kümeleme işlemi gerçekleştirilmiştir. Önerilen algoritmayı daha önce önerilen algoritmalarla karşılaştırırsak, bu algoritma çok fazla parametre gerektirmez ve ayrıca daha hızlı, daha basit ve daha esnektir. Bu tez çalışmasında PSB 2015 CrowdSourcingNucleiAnnotation ve 2018 Data Science Bowl veri setlerinden boyanmış H&E numunelerinin oluşturduğu histolojik görüntüler üzerinde gerçekleştirilmiştir. Görüntülerdeki gürültü ilk olarak morfolojik teknikler kullanılarak giderildi ve ardından, çekirdek görüntülerinin segmentasyonu için Yapay Arı Kolonisi tabanlı uyarlanabilir histogram algoritması kullanılmıştır. Sonuçlar diğer optimizasyon algoritmaları ile karşılaştırarak doğruluğunu ve etkinliği test edilmiştir. Kanser çekirdekleri için ortalama %93,64 doğruluk oranı sağlanmıştır.