Analysis and processing of histopathological images

Abstract

Nöroblastom çoğunlukla bebekleri ve çocukları etkileyen nöral hücre kökenli bir kanserdir. Tümörün tedavi planlaması için patologlar tarafından histopatolojik inceleme gerekmektedir. Bu histolojik analiz hastalık evresini tespit etmek ve tedavi yöntemleri hakkında bilgi vermek için uzman hekimlere rehberlik eder._x000B_ Ne yazık ki patologlar tarafından mikroskop altında yapılan nitel görsel inceleme uzun süren bir işlemdir ve çeşitli faktörlerden dolayı hata yapmaya yatkındır. Öncelikle, nöroblastom teşhisi için, patologlar genel olarak daha düşük büyütme oranlarında (2x, 4x, vs.) bazı belirgin bölgeleri alırlar. Tüm slayt hakkındaki son karar bu örnek bölgelere bağlıdır. Bu yaklaşım doğru karar verilmesini sağlasa da heterojen tümörler için yanıltıcı olabilir. İkinci olarak, son teşhis farklı kişilerin incelemesine göre önemli ölçüde farklılık gösterebilmektedir. Deneyim ve yorgunluk patologlar arasında önemli farklılıklara neden olabilir._x000B_ _x000B_ Bu tezin amacı, görüntü işleme ve sınıflandırma teknikleri kullanarak bir algoritma geliştirmek ve bu algoritma ile teşhisi patologlar için mümkün olduğunca kolaylaştırarak kişisel hataları en aza indirmektir. Bu amaçla, nöroblastom hastasından alınan doku örneğine ait görüntüler histolojik olarak incelenmekte ve analiz edilmektedir. Nöroblastom doku örneğinden elektron mikroskobu yardımı ile farklı büyütme oranlarında görüntüler alınmaktadır. Bu alınan görüntüler kullanılarak nöropil yüzdesi hesaplanır ve tümör hücreleri tespit edilir. Çeşitli görüntü işleme teknikleri uygulandıktan sonra resimlerden çıkarılan bölgesel ve dokusal öznitelikler ile öznitelik matrisleri oluşturulur. Daha sonra bu öznitelik matrisleri yapay sinir ağları ve diğer bazı otomatik öğrenme algoritmalarına giriş olarak kullanılarak hücrelerin sınıflandırılması sağlanmaktadır. Bu sınıflandırma sonuçlarına bağlı olarak mitosis karyoreksis (MK) indeksi ve diferansiyasyon derecesi hesaplanmaktadır. Bu sayede nöroblastom doku görüntülerinden hastalık safhası tespit edilerek patologlara yardımcı bir araç sağlanmaktadır. Neuroblastoma (NB) is a cancer of nerve cell origin commonly affecting infants and children. For treatment planning of the tumor, histopathological examinations performed by expert pathologists are required to characterize the histology. This analysis guides the experts to determine the histological character stage and gives information about treatment methods._x000B_ Unfortunately, the qualitative visual examination performed by pathologists under the microscope is tedious and prone to error due to several factors. First, for NB diagnosis, pathologists typically pick some representative regions at lower magnifications (e.g. 2×, 4×) and examine only those regions. The final decision about the entire slide is based on these sampled regions. Although this approach provides accurate decisions, it may be misleading for heterogeneous tumors. Second, the resulting diagnosis varies considerably between different examiners. Experience and fatigue may cause variations among pathologists._x000B_ The purpose of this thesis is to develop an algorithm by using image processing and classification techniques and decrease the decision variations to the lowest level by simplifying the diagnosis for the pathologists as much as possible. For this goal, images belonging to the tissue samples of NB taken from the patient are examined histologically and analyzed. The images with different magnifications are captured by using the electron microscope. The percentage of neuropil is calculated and the tumor cells are determined by using these captured images. After the application of various image processing techniques, the feature matrices are created by using the extracted region and texture features. Then, via these feature matrices, classification of the cells are performed with the help of artificial neural networks (ANNs) and some other machine learning algorithms (ensemble methods). Depending on these classification results, mitosis karyorrhexis (MK) index and the grade of differentiation are determined. Thanks to these calculations, a computer-based tool is provided to pathologists for determining the stage of NB disease from the tissue images