Tez No	İndirme	Tez Künye	Durumu
651824		New approaches for nuclei segmentation in histological images with a heuristic method / Histolojik görüntülerde sezgisel bir yöntemle çekirdek bölütlemesi için yeni yaklaşımlar Yazar:FAOZIA ALI AL-SARORI Danışman: DR. ÖĞR. ÜYESİ HİLAL KAYA Yer Bilgisi: Ankara Yıldırım Beyazıt Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2020 70 s.
Kanser, gelişmiş ülkelerde belirgin şekilde büyüyen ölümcül bir hastalıktır. Dünya çapında insanlar arasında en temel sağlık sorunu olarak kabul edilir. Varlığını tespit etmek için, biyopsi, bir organın şüpheci bir parçası kanserli ise, kesin olarak tespit edebilen tek tanımlama sürecidir. Alınan bu hücreler ayrıca mikroskopla incelenir ve daha sonra herhangi bir tümör hücresi için yeniden taranır. Kanser hücresinin etkili tedavisi, erken teşhis edilirse başarılabilir. Histolojik bölümde doku hücre çekirdeği için bilgisayar destekli algılama yönteminin getirilmesi, Biyopsi Destek Sisteminin bir parçası olarak kullanılır ve doğrulanır. Bu çalışmada önerilen çalışma, histolojik görüntüleri kullanarak çekirdek merkezlerini tespit etmek için bir sistem sağlamak için iki aşamaya ayrılmıştır. İkinci aşamada, doğru sonuçlar elde etmek için histolojik görüntüleri kullanarak çekirdek merkezlerini tespit etmek için Yapay Arı Kolonisi kullanılmıştır. Diğer algoritmalarla karşılaştırıldığında, bu algoritma çok fazla parametre gerektirmemekte ve hızlı, esnek ve basittir. Bugüne kadar yapılan birçok çalışma hakkında yapılan kapsamlı bir çalışmaya dayanarak, böyle bir yöntemi kullanmak kanser çekirdeği teşhisinde kullanılmamıştır. Ayrıca, bu çalışma histolojik görüntüler üzerinde ve esas olarak Parçacık Sürüsü Optimizasyonu 2015 kitle kaynaklı çekirdek veri setinden 810 mikroskobik H & E lekeli örnek içeren bir veri tabanı üzerinde yapılmıştır. Bu tespit işleminde, görüntülerdeki gürültü sinyalinin varlığı ilk önce morfolojik teknikler kullanılarak elimine edilmiş ve daha sonra kanser çekirdeği merkezleri tarafından kararlaştırılan en iyi maksimum değeri belirlemek için algoritmalar kullanılmıştır. Laboratuar bulguları, bu önerilen tekniğin veri seti tarafından desteklenen temel gerçek görüntülerinden daha iyi bir sonuç aldığını göstermiştir. İkinci aşamada Yapay Arı Kolonis uygulandıktan sonra kanser çekirdeği için ortalama % 99.38 doğruluk oranı elde edilmiştir. Bu deneyin performansını göstermek için, sonuçlar literatürdeki bilinen diğer kanser çekirdeklerinin tespiti prosedürleriyle karşılaştırılmıştır.
Cancer is a fatal disease that is growing in developed countries obviously. And it is considered a main health problem among human worldwide. To ascertain its presence, biopsy is the only identification process which decisively established if a skeptical part of an organ has cancer. A biopsy is therefore the test used to remove tissues or fluid from the suspicious area on an organ. These removed cells are further inspected with a microscope and then rescan for any tumor cells. Effective treatment of the cancer cell is achievable if they are detected early. The introduction of computer-aided detection method for tissue cell nuclei in histological section is used and validated as part of the Biopsy Support System. In second stage, we purpose using Artificial Bee Colony for detection the centers of nuclei using histological images in order to get accurate results. Comparing with the other algorithms this algorithm doesn't require a lot of parameters besides, it is fast, flexible and simple. Based on a comprehensive study of the most studies done so far, using such method hasn't been used for cancer nuclei detection. Furthermore, this study has been carried out on histological images and mainly on a database containing 810 microscopic slides of H&E stained samples from Particle Swarm Optimization 2015 crowdsourced nuclei dataset. In this determination process, the presence of noise signal on images were first eliminated using morphological techniques and then utilized algorithms to determine the best maximum value agreed upon by cancer nuclei centers. The laboratory findings indicated that this suggested technique has a greater result than the ground truth images supported by dataset. An average accuracy rate of 99.38% for cancer nuclei was attained after applying Artificial Bee Colony at the second stage. To demonstrate the power of this experiment, the results were contrasted with other known procedures of cancer nuclei detection in the literature. The high value outcome confirms the suggested method outperformed other algorithm since it shows a higher distinctive ability on new characteristic.