جلسه دفاع از پایاننامه: خانم الناز محمدی، گروه مهندسی پزشکی
خلاصه خبر: قطعه بندی گلبول های سفید در لام های خونی بانک داده های بالینی با استفاده از یادگیری عمیق
چکیده استفاده از آنالیز اتوماتیک مورفولوژی تصاویر لام¬های خونی رنگ¬آمیزی شده جهت تشخیص بیماری¬های خونی با توسعه تکنیک¬های پردازش تصویر و یادگیری ماشین افزایش یافته است. قطعه¬بندی گلبول¬های سفید یک گام مهم از آنالیز اتوماتیک تصاویر هیستوپاتولوژی است که به¬ شدت بر عملکرد روش¬های آنالیز اتوماتیک تصاویر تاثیر می¬گذارد. با این حال، قطعه¬بندی اتوماتیک گلبول¬های سفید به¬ دلیل پیچیدگی شکل آن¬ها و روشنایی غیر یکنواخت در تصاویر رنگ¬آمیزی شده خونی به¬ عنوان یک امر چالش برانگیز باقی مانده است.
در این پایان¬نامه، دو چارچوب جدید ارائه شده است که گلبول¬های سفید خون و اجزای داخلی آن را در تصاویر رنگ¬آمیزی شده خون قطعه¬بندی می-کنند. در هر دو روش پیشنهادی برای برجسته کردن شکل ظاهری گلبول¬های سفید در مقایسه با سایر بخش¬های تصویر، از روش تعادل رنگ سفید به دنبال روش توالی مورفولوژیکی چند بعدی (SMMT) استفاده می¬شود. سپس، برای قطعه¬بندی سلول در هر دو روش، یک معماری شبکه عصبی کانولوشنی آموزش داده می¬شود. در روش پیشنهادی اول، هسته و سیتوپلاسم با استفاده از مدل ترکیبی گاوسی قطعه¬بندی شده¬اند که طی آن دو توزیع گاوسی بر پیکسل¬های قطعه¬بندی شده سلول برازش می¬شود، در حالی¬که در روش پیشنهادی دوم، یک معماری جدید از شبکه¬های عصبی کانولوشنی برای قطعه¬بندی هسته آموزش داده می¬شود. همچنین، از عملیات مورفولوژیکی و روش¬های یادگیری جهت بهبود نتایج قطعه¬بندی استفاده شده است. در نهایت، برای قطعه¬بندی سیتوپلاسم، قطعه¬بندی¬های نهایی سلول¬ از قطعه¬بندی¬های نهایی هسته تفریق می¬شوند.
روش پیشنهادی بر روی تصاویر محیطی رنگ¬آمیزی شده خونی از پایگاه داده سلاویژن پیاده شده است. میانگین معیار دایس بدست¬آمده توسط روش پیشنهادی اول برای سلول، هسته و سیتوپلاسم به ترتیب برابر 0.99، 0.95 و 0.91 است. میانگین معیار دایس قطعه¬بندی¬های هسته و سیتوپلاسم روش پیشنهادی دوم به ترتیب برابر 0.96 و 0.94 است. نتایج تجربی نشان می¬دهد که روش پیشنهادی برای قطعه¬بندی گلبول¬های سفید از روش-های نوین مطرح شده بهتر عمل می¬کند.
3 بهمن 1397 / تعداد نمایش : 1759
|