Histopatolojik doku imgesinin dairesel komşuluk hücre-graf modelinin oluşturulması ve analizi

Canlı varlıkların yapısal ve işlevsel özellikleri olan en küçük birimi hücredir. Hücre yapısı ve davranışlarının araştırılması ve anlaşılması tüm biyolojik bilimlerin temelini oluşturmaktadır. Hücre davranışlarının neredeyse tümü hücre içi reaksiyonlar ile düzenlenir. Bu reaksiyonlar hücreler arasındaki iletişim sonucu başlatılır. Hücreler arasındaki mesafe ve hücrelerin konumları hücreler arasındaki iletişimi etkiler. Aynı şekilde, hücreler arasındaki iletişim de hücrelerin birbirine olan mesafe ve konumlarını etkilemektedir. Bu yüzden, histopatolojik doku imgelerinin hücre konumu tabanlı modellenmesi ve analizi tanı ve tedavi sürecinde uzmana oldukça önemli bilgiler sunabilmektedir. Literatürde t-eşik mesafeli, k-en yakın komşu, Voronoi, Delaunay ve renkli graf gibi çeşitli hücre-graf modelleri bulunmaktadır. Ancak, bildiğimiz kadarıyla, hücre iletişimi açısından oldukça önemli olmasına rağmen, hücreler arasındaki komşuluk ilişkisini dairesel olarak inceleyen bir model henüz bulunmamaktadır. Bu yüzden, bu çalışmada, yeni bir yakınlık grafı olan "Dairesel Komşuluk Hücre-Graf" modeli geliştirilmiş ve bu modelden çıkarılabilecek özellikler sunulmuştur. Hücre-graf modellinin oluşturulması için ilk önce hücre çekirdekleri bölütlenir ve örtüşen çekirdekler ayırılır. Daha sonra, hücre çekirdekleri düğüm olarak kabul edilir ve belli kriterlere göre hücreler arasında bağlantılar kurularak hücre-graf modeli oluşturulur. Bu çalışmada, çekirdekleri bölütlemek için ön işlem, son işlem veya manuel parametre değeri gerektirmeyen "Olasılıksal Çekirdek Bölütleme Algoritması" önerilmiştir. Örtüşen çekirdekleri ayırmak için de, bağlı bileşenlerin dairesellik merkezini belirleyerek örtüşen çekirdekleri birbirinden ayıran, yeni bir algoritma geliştirilmiştir. Önerilen algoritmalar sağlıklı ve hasarlı böbrek ile karaciğer doku imgeleri üzerinde test edilmiş ve elde edilen sonuçlar literatürdeki ilgili çalışmalar ile karşılaştırılmıştır. Karşılaştırma ve değerlendirme sonuçları, önerilen bölütleme algoritmasının yaygın olarak kullanılan K-Ortalama'dan daha hızlı ve etkili olduğunu; örtüşme ayırma algoritmasının örtüşen hücreleri %83 oranında başarıyla ayırabildiğini; "Dairesel Komşuluk Hücre-Graf" modeli kullanılarak histopatolojik doku imgelerinin %95.7 başarı oranıyla sınıflandırılabildiğini göstermektedir.