Two-tier tissue decomposition for histopathological image representation and classification

Sayısal patolojide, etkin görüntü temsili tasarımı, gürbüz otomatik tanı sistemlerinin geliştirilmesi için çok önemlidir. Histopatolojik görüntüler tipik olarak piksel seviyesinde kayda değer gürültü içerebilmektedir. Bundan dolayı, birçok çalışma, pikselleri doğrudan kullanmak yerine, nesne tabanlı gösterimlerin geliştirilmesini önermiştir. Bu önceki çalışmalar, çoğunlukla, görüntüdeki histolojik doku bileşenlerini yaklaşık temsil edecek şekilde renk bilgisini temel alan nesneler tanımlar ve tanımlanan bu nesnelerin uzamsal dağılımını görüntü temsili ve sınıflandırması için kullanır. Bu nedenle, nesne tanımlamasının, görüntü temsilinde doğrudan etkisi vardır, dolayısıyla da sınıflandırma doğruluğunu etkilemektedir. Bu tezde, histopatolojik görüntülerin etkin temsili ve sınıflandırması için yeni bir model sunmaktayız. Bu modelin iki tane katkısı bulunmaktadır. İlk olarak; görüntüler üzerinde çok tipli nesnelerin tanımlanması için, iki katmanlı yeni bir doku ayrıştırma yöntemi sunmaktadır. Önceki çalışmalardan farklı olarak, nesneler; desen, şekil ve boyut bilgileri birleştirilerek tanımlanır ve elde edilen bu nesneler, tek bir histolojik bileşene ya da farklı özellikteki doku alt bölgelerie karşılık gelebilir. İkinci katkı olarak, sunduğumuz bu yeni model, verilen nesnenin şekil ve boyutunu tek bir skalar değer olarak karakterize etmek için, "baskın blob ölçeği" adını verdiğimiz yeni bir metrik tanımlar. Kolon doku görüntüleri üzerinde yaptığımız deneyler, bu yeni nesne tanımlaması ve karakterizasyonunun, normal ve kanserli histopatolojik görüntülerinin ayırt edici bir temsiline olanak verdiğini ortaya koymaktadır. Bu ise, önceki çalışmalara göre, daha yüksek doğrulukta sınıflandırma sonuçlarının elde edilmesinde etkindir.