Deep learning based unsupervised tissue segmentation in histopathological images

Günümüz tıbbında, dokuların histopatolojik incelenmesi, kanserin teşhisinde önemli rol oynamaktadır. Fakat bu işlem, hem gözlemci değişkenliğine açık, hem de patologlar için zaman alıcıdır. Dolayısıyla, otomatik nesnel araçların geliştirilmesi önemlidir. Bu araçların ilk basamakları genellikle görüntünün bölütlenmesidir. Bu ihtiyaca yönelik olarak, bu tez çalışmasında, histopatolojik doku görüntülerinin bölütlenmesi için, deepSeg adını verdiğimiz iki aşamalı metodla, yeni bir yaklaşım sunuyoruz. İlk aşama, AlexNet adlı ve medikal olmayan ImageNet alanında eğitilmiş evrişimli yapay sinir ağında saklanan bilgiyi, medikal alanda bulunan histopatolojik doku görüntüsü karakterizasyonu için aktarmaktadır. İkinci aşama ise bu karakterizasyonu, çekirdek kontröllü bir bölge büyütme algoritmasında kullanarak, heterojen doku görüntülerini homojen bölgelerine öğreticisiz olarak bölütlemektedir. Bu bölütlemenin doğruluğunu test etmek için, mikroskobik kolon dokusu görüntülerinde testler yapılmıştır. Elde ettiğimiz sayısal sonuçlar, önerdiğimiz metodun, aynı veri kümesi üzerinde çalışan diğer metodların performanslarını arttırdığını göstermiştir. Bu çalışma, hem derin öğrenme tekniklerini doku görüntü bölütlemesi için kullanan ilk başarılı örneklerden biri olarak yerini almış; hem de histopatolojik görüntü analizinde derin öğrenme temelli özniteliklerin, elle çıkarılanlara üstün geldiğini göstermiştir.