Işık Mikroskobu Kullanarak Hücre Sayımı için Alternatif Bir Görüntü İşleme Yaklaşımı

Abstract

Hücre sayımı ve bu hücrelerin sınıflandırılması için kullanılan yöntemler mikro biyoloji ve hücre biyolojisi alanında önemli bir yer tutmaktadır. En temel sayma mikroskop aracılığıyla Hemositometre kullanılarak insan tarafından yapılır. Bu süreçte hücre sayısı ve canlılığını belirlemek için kullanılan en ekonomik ve en yaygın teknik boya dışlama yöntemidir. Bu çalışmada, hücre canlı-ölü ayrımı yapabilen yeni bir görüntü tabanlı hücre sayımı yaklaşımı (NIBA-C) önerilmiştir. Önerilen yöntemin başarısını değerlendirmek için aynı görüntüler, yöntem ile elde edilen değerler klasik boya dışlama yöntemi ile elde edilen sonuçlar ile karşılaştırılmıştır. Yöntemi segmentasyon ve ardından görüntülerin sınıflandırılması oluşturur. Segmentasyon aşamasında Hough Dönüşümü kullanılmıştır. Yapay Sinir Ağları hücre-hücre olmayan ve canlı-ölü hücre görüntü sınıflandırmasında kullanılmıştır.Bu çalışmada; önerilen yöntem NIBA-C %70 in üzerinde yerbulma ve %50 üzerinde canlı ölü ayrımı yapabilme yetenegi sergilemiştir.

The methods to determine the amount and viability of cells play an important role in the field of microbiology and cell biology. The basic cell counting process is through microscopic analysis using hemocytometer, performed by a technician. In this process, the most economical and widely used technique is dye-exclusion method to determine cell number and viability. In this study, a novel image based approach for cell counting (NIBA-C) is proposed with a capability of distinction between alive from dead during the process. For evaluating the success of proposed method, the results obtained by the method are compared with microscopic cell viability count by virtue of classical dye-exclusion method. The method depends first on segmentation of the cells and then classification of them. Segmentation of cell images is achieved using Hough Transform. Artificial Neural Network is used to distinguish cell images from non-cells and dead cell images from alive cells.In this study, it is concluded that the cell analysis by NIBA-C accomplishes 70 % more accuracy in finding the correct location of the cells, and more than 50% reliable in defining viable cells in comparison with the classical cell count method based on dye-exclusion.