Histoloji görüntülerinde hücre çekirdeklerinin daha iyi bölütlenmesi için boyut-bazlı uyarlanabilir örnek budama

Basit Öğe Kaydı
dc.authorid0000-0003-2645-8071en_US
dc.authorscopusid55807729600en_US
dc.authorwosidDGZ-5701-2022en_US
dc.contributor.authorYıldız, Serdar
dc.contributor.authorMemiş, Abbas
dc.contributor.authorVarlı, Songül
dc.date.accessioned2023-08-31T06:18:24Z
dc.date.available2023-08-31T06:18:24Z
dc.date.issued2023en_US
dc.departmentFakülteler, Mühendislik ve Doğa Bilimleri Fakültesi, Yazılım Mühendisliği Bölümüen_US
dc.description.abstractBu bildiride, histoloji görüntülerinde yer alan hücre çekirdek örneklerinin daha başarılı bir biçimde bölütlenebilmesi amacıyla kullanılabilecek ve hücre tiplerine göre uyarlanabilir bir boyut-bazlı örnek budama yaklaşımı sunulmuştur. Gerçekleştirilen çalışmada, kolon histoloji görüntülerinde yer alan farklı hücre çekirdek tipleri öncelikle U-Net medikal görüntü bölütleme yöntemi ile anlamsal olarak bölütlenmiş ve her bir çekirdek tipi için bölüt haritaları oluşturulmuştur. Devamında, bölüt haritaları üzerinde Havza algoritması koşulmuş ve hücre çekirdek örnekleri elde edilmiştir. Son aşamada ise, uyarlanabilir boyut-bazlı örnek budama yaklaşımı ile, her bir çekirdek tipi için kabul edilebilir çekirdek boyutlarının altında kalan ve çekirdek örneği olarak tasnif edilmeyen örnek bölütler elenmiştir. CoNIC 2022 veri seti üzerinde gerçekleştirilen testlerde, uyarlanabilir boyut-bazlı örnek budama yaklaşımının, bu yaklaşımın kullanılmadığı normal bölütleme metodolojisine göre daha üstün başarı sağladığı gözlemlenmiş ve ortalama 0.5090 mPQ değeri ölçülmüştür.en_US
dc.description.abstractIn this paper, a size-based instance pruning approach, which can be used for more accurate segmentation of cell nuclei in histology images and can be adapted to cell types, is presented. In the proposed study, different cell nuclei types in colon histology images were initially segmented semantically using the U-Net medical image segmentation method and the output segmentation maps were produced for each nuclei type. Then, the Watershed algorithm was employed on the segmentation maps and cell nuclei instances were obtained. Finally, instance segments that were below the acceptable nuclei sizes for each nuclei type and were not classified as nuclei instances were eliminated with the adaptive size-based instance pruning approach. In the tests performed on the CoNIC 2022 dataset, it was observed that the adaptive size-based instance pruning approach outperformed the normal segmentation methodology without this approach, and an average value of 0.5090 mPQ was measured.en_US
dc.identifier.citationYıldız, S., Memiş, A., & Varlı, S. (2023). Histoloji görüntülerinde hücre çekirdeklerinin daha iyi bölütlenmesi için boyut-bazlı uyarlanabilir örnek budama. 31st Signal Processing and Communications Applications Conference (SIU). İstanbul, Türkiye. https://doi.org/10.1109/SIU59756.2023.10223880en_US
dc.identifier.doi10.1109/SIU59756.2023.10223880en_US
dc.identifier.issn2165-0608
dc.identifier.scopus2-s2.0-85173439621en_US
dc.identifier.urihttps://doi.org/10.1109/SIU59756.2023.10223880
dc.identifier.urihttps://hdl.handle.net/20.500.13055/535
dc.identifier.wosWOS:001062571000120en_US
dc.indekslendigikaynakWeb of Scienceen_US
dc.indekslendigikaynakScopusen_US
dc.institutionauthorMemiş, Abbas
dc.language.isotren_US
dc.publisherIEEEen_US
dc.relation.ispartof31st Signal Processing and Communications Applications Conference (SIU)en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectHücre Çekirdeği Bölütlemeen_US
dc.subjectUyarlanabilir Örnek Budamaen_US
dc.subjectU-Neten_US
dc.subjectHavza Algoritmasıen_US
dc.subjectCoNIC Veri Setien_US
dc.subjectCell Nuclei Segmentatioen_US
dc.subjectAdaptive Instance Pruningen_US
dc.subjectU-Neten_US
dc.subjectWatershed Algorithmen_US
dc.subjectCoNIC Dataseten_US
dc.titleHistoloji görüntülerinde hücre çekirdeklerinin daha iyi bölütlenmesi için boyut-bazlı uyarlanabilir örnek budamaen_US
dc.title.alternativeSize-based adaptive instance pruning for refined segmentation of cell nuclei in histology imagesen_US
dc.typeConference Objecten_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Kapalı Erişim
İsim:
Histoloji görüntülerinde hücre çekirdeklerinin daha iyi bölütlenmesi için boyut-bazlı uyarlanabilir örnek budama.pdf
Boyut:
7.19 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Kapalı Erişim
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Yazılım Mühendisliği Bölümü
Scopus İndeksli Yayınlar Koleksiyonu
WoS İndeksli Yayınlar Koleksiyonu