Dijital histopatolojide boya normalizasyonu için dalgacık bilgi damıtma uygulama ve analizi

Boya normalizasyonu, özellikle histolojik görüntülerde renk farklılıklarının minimize edilmesi ve görüntülerin tutarlılığının artırılması açısından kritik bir öneme sahiptir. Koşullu Üretken Çekişmeli Ağ modellerinden olan Pix2Pix modelinin, Dalgacık Bilgi Damıtma yöntemi temel alınarak, karmaşık modellerin sıkıştırılması ve verimli hale getirilmesi amaçlanmıştır. Dalgacık Bilgi Damıtma yöntemi, öğretmen modelden öğrenci modele bilgi aktarımını yüksek ve düşük frekanslı bileşenlere ayrıştırarak gerçekleştirir. Yüksek frekanslı bileşenler detaylı yapısal bilgileri taşırken, düşük frekanslı bileşenler genel renk ve şekil bilgilerini içermektedir. Öğretmen ve öğrenci modellerinin boya normalizasyonu üzerindeki etkisi değerlendirilmiştir. Aynı numunenin iki farklı tarayıcıdan alınan görüntülerini barındıran MITOS-ATYPIA veri seti kullanılarak gerçekleştirilen deneyler sonucunda, Dalgacık Bilgi Damıtma yönteminin öğrenci modelinin öğretmen modeline yakın performans gösterdiği ve daha hızlı sonuçlar ürettiği gözlemlenmiştir. Özellikle gerçek zamanlı uygulamalar için umut verici olan bu yöntem, Bilgisayar Destekli Tanı sistemlerinde boya normalizasyonunun etkin bir şekilde uygulanmasına olanak tanımaktadır. Dalgacık Bilgi Damıtma yöntemi ile boya normalizasyonunun daha verimli hale getirilmesi sağlanmış, model boyutuna göre yüksek ve düşük frekanslı bileşenlerin etkili bir şekilde ayrıştırılması ile modelin performansı artırılmıştır.