Classification of histopathological cancer stem cell images in H&E stained liver tissues

Mikroskopik görüntüler modern tıpta kanser tanısının önemli bir parçasıdır. Fakat, dokulara mikroskop altında tanı koymak patologlar için oldukça zaman alıcı ve yorucu bir iştir. Bu tezde, pataloglar için kanser tanı sistemini hızlandırma amacıyla H&E boyanmış doku imgelerini sınıflandıran ve derecelendiren bilgisayar yardımlı bir tanı sistemi geliştirdik. Bu sistem H&E boyanmış dokular için dizayn edildi, çünkü bu boya yaygın olarak kullanılan CD13 boyasından daha düşük maliyetlidir. Bu sistemimizde ilk adım doku imgelerinin etiketlenmesidir. CD13 boyanmış imgeler yer gerçekliği etiketlerinin oluşturulması için kullanılmıştır, çünkü H&E boyanmış dokularda kanser kök hücreleri çıplak gözle (KKH) görülememektedir. Sistemimizdeki sonraki adım öznitelik çıkarımıdır. KKH'ler H&E boyanmış dokularda çıplak gözle görülemediği için örüntü ayırt edici öznitelikler çıkarmamız gerekmektedir. Bu amaçla dokuz farklı renk uzayından 20 öznitelik seçilmiştir. Bu öznitelikler, bu çalışmada önerilen değiştirilmiş Ana Bileşenler Analizi (PCA) algoritmasına girdi olarak verilmiştir. Bu algoritma, imgelerin piksel değerleri yerine imgelerin öznitelik matrislerinin ortak değişinti matrislerini girdi olarak kullanır. İmgeler özuzayda (eigenspace) karşılaştırır ve aralarındaki açıya göre sınıflandırılır. Bu algoritmanın üç sınıf H&E boyanmış karaciğer dokularını sınıflandırma probleminde 76.0% imge sınıflandırma başarısı sağladığı deneysel sonuçlarla gösterilmiştir. Öznitelik çıkarmak için ölçekten bağımsız öznitelik dönüşümü (SIFT), yerel ikili örüntüler (LBP) ve yönsel öznitelik çıkarma algoritmalarından da faydalanılmıştır. Deneylerde, bu öznitelik çıkarma algoritmalarının H&E boyanmış karaciğer doku imgelerinin derecelendirilmesi için anlamlı bilgi sağlayamadığı görülmüştür. Bu çalışmada amacımız kanser tanı sürecini hızlandırmak olduğu için, değiştirilmiş PCA algoritmasının hesap yükü düşürülmüş versiyonları da önerilmiştir. Çarpmasız kosinüs benzeri benzerlik ölçüleri değiştirilmiş PCA algoritmasında kullanılmıştır ve çarpmasız benzerlik ölçüsü tabanlı değiştirilmiş PCA algoritmalarının bazılarının çarpmaya dayalı standart değiştirilmiş PCA algoritmasından daha iyi sınıflandırma sonuçları ürettiği görülmüştür. Önerilen çarpmasız benzerlik ölçülerinden birisi değiştirilmiş PCA algoritmasında kullanıldığında üç sınıfa ait 454 imge içeren bir veri setinde %76.0 sınıflandırma başarısı elde edilmiştir.