1 results
Search Results
Now showing 1 - 1 of 1
Doctoral Thesis Bilgisayarlı Görme ve Makine Öğrenme'ye Dayalı Olarak Trapan Mavisi Boya Dışlama Tabanlı Işık Mikroskoplarının Otomatize Hücre Sayarına Uyarlanabilir Dönüşüm Yöntemi(2017) Özkan, Akın; Özkan, Akın; İşgör, Sultan Belgin; Özkan, Akın; İşgör, Sultan Belgin; İşgör, Sultan Belgin; Şengül, Gökhan; Department of Electrical & Electronics Engineering; Chemical Engineering; Department of Electrical & Electronics Engineering; Chemical EngineeringHücre biyolojisi deneylerinin hemen hemen hepsi, hücre çoğalmasını ve yaşayabilirliğini izlemek için düzenli olarak hücrelerin sayımını içerir. Hücrenin miktarı ve kalitesinin bilgisi, deneysel standardizasyon ve toksisite etkisi tahmini için önemli parametrelerdir. Hücreleri saymak için hemositometre tabanlı elle sayma ve otomatik hücre sayacının kullanımı gibi iki farklı yaklaşım vardır. Yöntemlerden her ikisinin de avantajları ve dezavantajları vardır. Yüksek yatırım ve operasyonel maliyet otomatik hücre sayaçlarının geniş kullanımını sınırlar. Öte yandan, hemositometreye dayalı manuel hücre sayımı, hücre sayımının güvenilirliğinin, operatörün deneyimine ve yorgunluğuna büyük ölçüde bağlı olduğu gerçeği ile çeşitli sınırlamaları vardır. . Uzun zaman gereksinimi ve insan işgücü elle işleme sürecinin iki dezavantajı olarak sayılabilir. Bu tez, görüntü işleme ve makine öğrenmeyi esas alan dönüştürme metodolojisini tanımlayarak hücre sayımı için en gelişmiş alternatif metodu (çerçeve iskeleti) önermektedir. Önerilen yöntemin temelini, eksikliklerini azaltmak için ara katman karar yazılımı ekleyerek elle sayım yöntemine hemocytomer tabanlı otomatik saymanın uyarlanmasıdır. Buna ek olarak, önerilen yöntemimizi hücre sayımı (boyasız) ve hücre yaşayabilirliği analizi (boyalı) açısından test etmek için iki yeni veri seti toplanmıştır. Bu veri kümeleri, 'biyokimyasal.atilim.edu.tr/datasets/' adresinden kâr amacı gütmeyen herkesin kullanımına sunulmaktadır ve bu da bu araştırma alanındaki gelecek çalışmalara temel teşkil edecektir. Her iki veri kümesi, iki farklı türde kanser hücresi görüntüsü, yani, beyaz renkli promiyelositik lösemi (HL60) ve kronik miyelojenik lösemi (K562) içerir. Deneysel sonuçlarımızdan yola çıkarak, yöntemimiz HL60 ve K562 kanser hücreleri için sırasıyla geri çağırma skorları açısından % 92 ve % 74'e kadar ulaşmaktadır. Deney sonuçları, önerilen yöntemin mevcut hücre sayımı yaklaşımlarına güçlü bir alternatif olabileceğini de doğrular.