Histopathological image classification using salient point patterns

Son on yıl içinde, bilgisayar destekli teşhis sistemleri, patologların kanser tespiti için histopatolojik görüntüleri yorumlamasını artırmaya yardımcı olması yönüyle büyük bir önem kazanmıştır. Bu sistemler, kanser tanısı için mevcut histopatolojik doku muayenesi uygulamasında çok yaygın olan gözlemci-içi ve gözlemciler arası değişkenliği azaltmaya ve ortadan kaldırmaya yönelik çok değerli fırsatlar sunmaktadır. Özellikle dokusal ve yapısal doku görüntü analizine dayalı birçok çalışma, kanserin tanı ve sınıflandırması için bu tür sistemleri geliştirmeye adanmıştır. Son zamanlardaki dokusal ve yapısal yaklaşımlar, farklı tipte dokular için umut verici sonuçlar vermesine rağmen, doku bileşenleri tarafından taşınan potansiyel biyolojik bilgiyi kullanabilmekten yoksundurlar. Halbuki, bu doku bileşenleri, doku temsiline ve dolayısıyla, kanserin yol açtığı doku değişikliklerini ölçmeye daha iyi yardımcı olur.Bu tez, kolon biyopsi görüntülerini temsil etmede doku bileşenlerinin kullanımı için özellikli Nokta Modelleri olarak adlandırılan yeni bir dokusal yaklaşım sunmaktadır. Bu dokusal yaklaşım öncelikle kolon dokusunun çekirdek, stroma ve lümen bileşenlerine karşılık gelen bir dizi özellikli noktaları tanımlar. Sonra, bu belirgin noktalar etrafından doku görüntülerini ölçmede kullanılan öznitelikler çıkartılır. Son olarak, bu öznitelikleri kullanarak doku örneklerini sınıflandırır. 258 farklı hastadan alınan 3236 kolon biyopsi örneği üzerinde gerçekleştirdiğimiz deneyler, Özellikli Nokta Modelleri yaklaşımının, dokuları tanımlamada yapısal bileşenleri kullanmayan benzer çalyşmalarla karşılaştırıldığında, sınıflandırma başarı yüzdesini artırdığını ortaya koymuştur. Ayrıca gerçekleştirdiğimiz bu deneyler, doku görüntüsünün daha iyi temsil edilebilmesi için bu dokusal yaklaşım kullanılarak farklı özniteliklerin elde edilebileceğini göstermektedir.