Local object patterns for tissue image representation and cancer classification

Histopatolojik doku incelemesi kanser te şhis ve derecelendirmesinde rutin olarak uygulanan yöntemdir. Fakat, bu inceleme patalo ğun uzmanlığı na ve deneyimine ba ğl ı olan görsel çıkarımlar gerektirdi ği i çin öznellik i çerir. Sonu çlardaki öznelli ğin etkisini azaltmak için doku görüntüsünü nicel özelliklerle temsil eden ve bu özellikleri kullanarak doku sınıflandırması ve derecelendirmesi yapan otomatik kanser tanı ve derecelendirme sistemleri önerilmi ştir. Bu tezde, etkili bir şekilde histopatolojik doku görüntülerini temsil etmek ve sınıflandırmak i çin yeni bir yakla şı m sunulmu ştur. Bu yakla şı mda, doku görüntülerinin histolojik bile şenlerine ayrılması önerilmi ş ve bu bile şenlerin doku içerisindeki dağılımını modellemek i çin lokal nesne desenleri olarak adlandı rdığımız yeni bir grup örgüsel tanı mlayı cı ortaya konulmu ştur. Bu tan ımlayı cı lar, lokal ikili desenler yönteminin mantığı kullanı larak tanı mlanmı şt ır. Ancak, pikseli, kom şular ını n göreceli yoğunlu ğuna göre ikili bir dizi kurarak niceleyen piksel seviyesindeki lokal ikili desenlerin aksine, doku bile şenlerini nicelemek amacı yla, lokal nesne desen tan ımlay ıc ıları bile şen seviyesinde tanı mlanmıştır. Bu ama çla, değişik lokallik alanındaki kom şuluklar belirlenmi ş ve belirlenen komşuluklardaki bile şenlerin uzaydaki düzeni kodlanm ıştı r. Sonrası nda, histolojik bile şenleri karakterize etmek amacı yla, bu dizilerden örgüsel tanımlayıcılar çıkartılmış ve bu şekilde karakterize edilmi ş bile şenlerden resmin kelime-torbas ı temsili olu şturulmuştur. Bu tezde, bile şenlerin se çilmesi i çin iki yaklaşım kullanılmıştır: İlk yaklaşım kelime-torbası temsilini çıkartmak için tüm bile şenleri kullanı rken, ikinci yakla şım çizge yürümesi ile birden fazla bile şen alt kümesi seçmi ş ve bunlardan birden fazla kelime-torbas ı temsili oluşturmuştur. Mikroskopik histopatolojik kolon doku görüntüleri üzerinde yaptığımız deneyler, önerilen bileşen seviyesindeki örgüsel tanımlayıcıların önceki örgüsel yaklaşımlara göre daha yüksek do ğruluk oranlar ı verdiğini göstermektedir.