Segmentation and classification of cervical cell images

Serviks kanseri, erken teşhis ile tedavi edilerek önlenebilmektedir. Pap smear testi, rahim ağzında meydana gelen kanser ve kanser öncüsü değişiklikleri belirlemek üzere uygulanan manüel bir tarama yöntemidir. Ancak bu yöntem gözlemci tutarsızlığı ve her bir test için harcanması gereken çaba gibi dezavantajlar içermektedir. Bilgisayar destekli bir tarama sistemi, başarılı bir algoritma ile serviks kanserinin önlenmesinde yararlı olacaktır.Bu tezde, verilen bir Pap test lamında yer alan hücreleri anormallik derecesine göre sıralayarak sitologlara yardımcı olacak bilgisayar destekli tanılayıcı bir sistem önerilmektedir. Böyle bir sitemi oluşturan üç temel bileşen vardır. İlk başta, hücreler ve çekirdekleri mikroskop kullanılarak elde edilen bir görüntü üzerinde bir bölütleme yöntemi yardımıyla tespit edilir. Sonra, bölütlenmiş olan hücreleri betimleyen özellikler çıkarılır. En sonunda, hücreler çıkarılan özellikler temel alınarak anormallik derecesine göre sıralanır.Bir tek serviks hücresi içeren görüntüleri gerektiren ilgili çalışmalardan farklı olarak, örtüşen hücrelerin görüntülerini de işleyebilen parametrik olmayan genel bir bölütleme algoritması önerilmektedir. İlk aşama olarak, arka plan alanlarını çıkararak geriye kalan hücre alanlarını elde etmek amacıyla eşikleme yöntemi kullanılmıştır. İkinci aşama, spektral, şekil ve gradyan bilgisinden faydalanan parametrik olmayan hiyerarşik bir bölütleme yöntemi ile hücre alanlarının bölütlenmesinden oluşmaktadır. Son aşama, elde edilen bölütleri çekirdek ya da sitoplazma olarak sınıflandırmak suretiyle hücre alanını her bir çekirdeğe ait doğru yapılara ve bütün sitoplazma alanına ayırmayı amaçlamaktadır. Önerilen bölütleme yöntemi iki farklı veri kümesi kullanılarak nicel ve nitel olarak değerlendirilmiştir.Öğreticisiz bir tarama sistemi önerilerek, sınıflandırma üzerine yoğunlaşmış ilgili çalışmalara göre probleme farklı bir yönden yaklaşmak amaçlanmıştır. Bir Pap lamında yer alan hücreleri sıralamak için, ilk önce, hücrelerden çıkarılan 14 farklı özelliğe göre hiyerarşik kümeleme uygulanmıştır. Hücrelerin ilk sıralaması oluşturulan hiyerarşik ağacın yaprak sıralaması olarak belirlenmiştir. Sonra, bu ilk sıralama bir en iyi yaprak sıralama algoritması ile iyileştirilmiştir. Referans veri kullanılarak yapılan deneyler önerilen yaklaşımın etkinliğini farklı deneysel ayarlar altında göstermektedir.