Image processing methods for computer-aided interpretation of microscopic images

Hesaplama gücündeki kayda değer büyüme ile birlikte, imge işleme algoritmalarınınmikroskopik görüntülerin otomatik analizinde kullanımı son on yıldagiderek popüler hale gelmiştir. Yüksek işlem hacimli tarama cihazlarının ortayaçıkışı mikroskopik görüntülerin bilgisayar destekli yorumlanmasına imkantanımıştır. Bu gelişme, klinik karar alma süreçlerini kolaylaştıracak olan hızlıve objektif görüntü yorumlama sonucunu doğurmuştur. Bu tezde, biyoloji vehistopatoloji alanlarından iki görüntü analizi problemine çözüm üretme amacıyla,yeni yöntemler sunulmuştur.Bu problemlerden ilki, insandan elde edilen kanser hücre çizgi görüntülerininsınıflandırılmasıdır. Kanser hücre çizgileri tüm dünyada laboratuvarlardaaraştırma amacıyla yaygın bir biçimde kullanılmaktadır. Moleküler biyolojiçalışmalarında araştırmacılar, ait olduğu sınıf sürekli olarak doğrulanmasıgereken çok sayıda numune ile çalışmaktadır. Kanser hücre çizgi görüntülerininsınıflandırılması için özgün bir bilgisayar destekli yöntem sunulmuştur. Düzensizkanser hücre paternleri içeren mikroskop görüntüleri, önplan piksellerine karşılıkgelen yerel pencereler ile temsil edilmiştir. Her yerel pencere için, çift-ağaçkarmaşık dalgacık dönüşümü (DT-CWT) katsayılarını piksel öznitelikleri olarakkullanan bir kovaryans tanımlayıcısı hesaplanmıştır. Sınıflandırma amacıyla RBFçekirdekli Destek Vektör Makinası (SVM) kullanılmıştır. 14 farklı sınıf için,% 98 ortalama doğruluk oranı elde edilmiştir, ki bu klasik kovaryans tabanlıyöntemlerden daha iyi bir sonuçtur.Histopatolojik görüntü analizi problemi ise foliküler lenfoma (FL) hastalığınınderecelendirilmesi ile ilgilidir. FL, lenf sisteminde sık karşılaşılan kanser çeşitlerinden biridir.FL derecelendirmesi, hematoksilin ve eozin (H&E) ile lekelendirilmiş doku parçalarınınpatologlar tarafından histolojik incelemeye tabi tutulmasıile gerçekleştirilir ve patologlar kötü huylu sentroblast (CB) hücrelerini elile sayarak klinik kararlar alırlar. Bu derecelendirme yöntemi, gözlemci içinde vegözlemciler arasında ciddi bir değişkenlik ve örnekleme kaynaklı hatalar ile karşıkarşıyadır. H&E lekeli FL doku örneklerinde CB hücrelerinin tespiti amacıylabilgisayar destekli bir yöntem sunulmu¸stur. Önerilen algoritma, Gauss farkıgörüntülerinin ölçek-alan uçdeğerlerinde yer alan blob benzeri hücre bölgelerinitespit etmek için, FL görüntülerinin ölçek-alan temsilinden faydalanmaktadır.Bazı istatistiksel bölge öznitelikleri ve gri-düzey birliktelik matrisi (GLCM), gri-düzeysıra-uzunluk matrisi (GLRLM) ve ¨ Olçek Değişimsiz Öznitelik Dönüşümü(SIFT) gibi dokusal öznitelikler kullanılarak, çok aşamalı yanlış alarm elemestratejisi uygulanmıştır. Algoritma, 30 görüntü üzerinde değerlendirilmiş ve %90CB tespit doğruluk oranı elde edilmiştir. Bu oran, uzman hematopatologlarınortalama doğruluk oranından üstündür.