Search

Myelin is an essential component of the nervous system and myelin damage causes demyelination diseases. Myelin is a sheet of oligodendrocyte membrane wrapped around the neuronal axon. In the fluorescent images, experts manually identify myelin by colocalization of oligodendrocyte and axonal membranes that fit certain shape and size criteria. Because myelin wriggles along x-y-z axes, machine learning is ideal for its segmentation. However, machinelearning methods, especially convolutional neural networks (CNNs), require a high number of annotated images, which necessitates expert labor. To facilitate myelin annotation, we developed a workflow and a software for myelin ground truth extraction from multi-spectral fluorescent images. Additionally, we shared a set of myelin ground truths annotated using this workflow.

Ülkemizde ve dünyada en sık görülen kanser tiplerinden olan rahim ağzı (serviks) kanseri, kanser öncüsü lezyonlarından gelişmektedir. Kanser öncüsü bu lezyonların saptanması, hastanın kanser olmadan tedavi olmasına olanak sağladığiçin önemlidir ve analizleri yapan patologlar tarafından tanısı konmaktadır. Bu çalışmada evrişimsel sinir ağları (ESA) yöntemi kullanılarak kanser öncüsü lezyonların otomatik tespitini gerçekletiren bir sistem tasarlanmıştır. Eğitim aşamasında sistemin görüntülerden lezyonları tanıma başarımı %92 olarak elde edilmektedir. Eğitim aşamasından sonra bütün görüntüler 60×60 boyutlarında bir pencere ile evriştirilerek bölütlenmektedir. İlgili lezyonların Dice katsayısına göre %81.71 başarı ile bölütlendiği bir model oluşturulmuştur. Cervical carcinoma is one of the frequently seen cancers in the world and in our country, develops from precursor lesions. These precursor lesions are analyzed by pathologists so that the diagnosis of the disease can be made. In this study, a system that performs automatic detection of pre-cancerous lesions was performed using the convolutional neural networks (CNNs). In the training phase, lesion recognition performance of the proposed system has reached 92%. Thereafter, whole image was segmented by using 60 × 60 pixel tiles during the training phase. After all, the precursor lesions were segmented with 81.71% Dice coefficient.

Kanser tanısında yaygın olarak kullanılan Floresan In Situ Hibridizasyon (FISH) tekniği, kromozom bölgelerinin özel boyalarla boyanarak FISH sinyalleri hâlinde görüntülenmesine dayanır. Bu çalışmada, FISH tekniğiyle elde edilmiş görüntüler üzerinde, çoklu seviye eşiklemeye dayanan yeni bir FISH sinyali bölütleme yöntemi önerilmiştir. Floresan mikroskop ile yüksek büyütmede elde edilmiş görüntüler üzerinde hücre çekirdeklerinin bölütlenmesi için uyarlamalı eşikleme, uzaklık dönüşümü ve “su bölümü çizgisi” (watershed) yöntemleri kullanılmıştır. Geliştirilen özgün bölütleme yöntemiyle, hücre sınırları içine düşen bölgelerdeki FISH sinyalleri, çoklu seviye eşiklemeye ve morfolojik art işlemlere tabi tutularak belirlenmektedir. Önerilen yöntemin gerçek hastalardan alınmış 49 adet FISH görüntüsü üzerinde ölçülen tespit başarımının, literatürde yaygın olarak kullanılan diğer yöntemlere göre daha yüksek olduğu gözlenmiştir. Fluorescence in situ hybridization (FISH) technique widely used in cancer diagnosis is based on displaying chromosomal regions as FISH signals by staining with specific dyes. In this study, a new multi-level thresholding based FISH signal segmentation method is proposed for images produced by FISH technique. Cell nuclei are segmented on images, that are grabbed from fluorescence microcopes at high resolution, with adaptive thresholding, distance transform and watershed methods. FISH signals falling in cell boundaries are detected by applying multi-level thresholding and morphological post processes thanks to proposed segmentation method. It is observed that the detection rate of the proposed method on 49 FISH images taken from real patients, are higher than other widely used techniques in the literature. IEEE Bülent Ecevit Üniversitesi

Bu çalışmada, aktif çevrit nesne bölütleyici yöntemlerle birlikte kullanılabilecek yeni bir şekil betimleme ve tanıma sistemi önerilmiştir. Önerilen sistem daha önce yapılan çalışmalar gibi aktif çevriti önceden tanımlı şekillerden birine zorlamak yerine, çevrit nesne sınırlarına yapışırken aynı zamanda şekil betimleme yapmayı amaçlamıştır.Aktif çevrit bölütleyici olarak Hızlı Yürüme (Fast Marching) algoritması kullanılmış, Hızlı Yürüme metodu için yeni bir hız işlevi tanımlanmıştır. Ayrıca çevriti nesne sınırlarından geçtiği sırada durdurmayı amaçlayan özgün yaklaşımlar önerilmiştir.Çalışmanın en önemli katkılarından birisi yeni ortaya atılan Gradyan Temelli Şekil Betimleyicisi (GTŞB) dir [1]. GTŞB, aktif çevrit bölütleyicilerin yapısına uygun, sınır tabanlı, hem ikili hem de gri-seviyeli görüntülerle rahatça kullanılabilecek başarılı bir şekil betimleyicidir. GTŞB nin araç plaka karakter veritabanı, MPEG-7 şekil veritabanı, Kimia şekil veritabanı gibi farklı şekil veritabanlarında elde ettiği başarılar diğer çok bilinen sınır tabanlı betimleyicilerle de karşılaştırılarak verilmiştir. Elde edilen sonuçlar GTŞB nin tüm veritabanlarında diğer yöntemlere göre daha başarılı olduğunu işaret etmektedir.Çalışmada geliştirilen bir diğer önemli yaklaşım da Hızlı Yürüme çevritinin nesne sınırına yaklaşırken örneklenerek şeklin birden fazla defa betimlenmesine olanak veren yeni sınıflandırıcı yapıdır. Bu yaklaşım nesne tanımayı bir denemede sonuçlandıran geleneksel yöntemlerin bu sınırlamasını aşarak aynı nesneyi birçok kez tanıma olanağı sunmaktadır. Bu tanıma sonuçlarının tümleştirilmesiyle tek tanımaya göre daha yüksek başarılar elde edildiği çalışmanın ilgili bölümlerinde başarıları karşılaştıran tablolar yardımıyla gösterilmektedir. In this thesis, a gradient based shape description and recognition methodology to use with active contour-based object segmentation systems has been proposed.The Fast Marching (FM) active contour evolving model is utilized for boundary segmentation. A new speed functional has been defined to use first and second order image intensity derivatives. A local front stopping algorithm has also been proposed to improve the boundary handling performance of the FM model.The most critical improvement of the thesis is defining a new shape descriptor called the Gradient Based Shape Descriptor (GBSD) [1]. GBSD is a new boundary-based shape descriptor that can operate on both binary and gray-scaled images. The recognition performance of GBSD is measured on a license plate character database, MPEG-7 Core Experiments shape data set and Kimia data Set. The success rates are compared with other well-known boundary-based shape descriptors and it is shown that GBSD achieves better recognition percentages.A new recognition approach that utilizes the progressive active contours while iterating towards the real object boundaries has been proposed. This approach provides the recognizer many trials for shape description; it removes the limitation of traditional recognition systems that have only one chance for shape classification. Test results shown in this study prove that the voted decision result among these iterated contours outperforms the ordinary individual shape recognizers. 94

Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2001, Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2001, Bu çalışmada, özellik bulma yöntemleriyle ve bu yöntemlerin elle yazılmış Türkçe büyük harfleri tanıyan sistemler üzerindeki etkileriyle ilgilenilmiştir. İçerisinde 19000 adet büyük harf ve 6540 adet rakam bulunan bir Türkçe Elyazısı Veritabanı oluşturulmuş, bu karakterleri saklamak için de yeni bir “itu” resim dosya formatı yaratılmıştır. Bir karakter tanıma sistemi üç ana parçadan oluşur: Ön İşlemler, Özellik Çıkarma ve Sınıflandırma. Bu çalışmada bütün parçalar gerçeklenmiş ancak Özellik Çıkarma özerine yoğunlaşılmıştır. Karhunen-Loéve (KL) Dönüşümünün zayıf yönleri araştırılmış ve KL dönüşümü ile bulunan özelliklerin, harflerin şekilleriyle ilgili bilgi taşımamasından kaynaklanan eksiklikler tespit edilmiştir. Bu yüzden, geometrik bilgi taşıyan özelliklerin KL dönüşümü ile bulunan özelliklerle birlikte kullanılması önerilmiştir. Bu özellikleri sınıflandırmak için Backpropagation yöntemi ile eğitilmiş MLP (Multi Layer Perceptron) Yapay Sinir Ağları kullanılmıştır., In this study, we worked on the feature extraction methods and their effects on the performance of Turkish uppercase handprint character recognition systems. A Turkish Handprint Database was created, which includes 19000 uppercase and 6540 digit characters. We created a new “itu” image file format for storing these characters. A character recognition system includes three main parts: Preprocessing, Feature Extraction and Classification. We realized all steps but especially focused on the Feature Extraction step. The weaknesses of the Karhunen-Loéve (KL) Transform was investigated and it was understood that these weaknesses are caused by absence of the shape information, among the KL transformed features. Therefore, we suggest to use some geometric features together with KL transformed features. We used the MLP (Multi Layer Perceptron) Neural Networks, which are trained by the Error Backpropagation method, to classify these features., Yüksek Lisans, M.Sc.