Doktora Tezleri

Öğrenci : Devrim Önder

Tez Danışmanı : Doc. Dr. Bilge Karaçalı

Dijital Histoloji Slaytlarında Doku Bileşiminin Sağlık ve Hastalık Koşullarında Otomatik Desen Sınıflandırma Yöntemleri ile Sayısal Olarak Belirlenmesi

Son yıllarda gelişmekte olan teknolojilerle birlikte, histoloji doku kesitlerinin bilgisayarlı ortamda saklanması, paylaşılması ve otomatik olarak değerlendirilmesi önem kazanmıştır. Bilgisayar ortamında saklanan çok sayıda histoloji görüntüsünü, otomatik yöntemler ile detaylı bir biçimde tarayan ve anormal doku örneklerini normallerden ayıran görüntü analiz sistemleri geliştirilmesi oldukça güncel bir konudur.

Kanser hastalığı, kendini anormal doku yapıları ile belirleyen ve üzerinde çokça çalışılan bir durumdur. Kanserli doku kesitleri incelendiğinde, bu hastalığın, bağdaşık (homojen) sağlıklı doku desenleri içinde, ayrışık (heterojen) desen yapılarıyla tanımlanabildiği görülmektedir.

Çalışılan bu tezin amacı, histolojik kesit görüntüleri üzerindeki ayrışık doku tiplerini bilgisayarlı yöntemler kullanarak tam otomatik olarak ayıracak desen sınıflandırma yöntemlerinin geliştirilmesidir.

Bağdaşık desen profillerinin belirlenmesinde, bilinen çeşitli desen tanıma ölçütleri birlikte kullanılacaktır. Doku görüntülerinden hesaplanan tüm desen ölçütlerinden elde edilen özniteliklerden oluşan yüksek boyuttaki vektörler, müteakip desen sınıflandırma yöntemlerine girdi oluşturacaktır.

Çalışmamızda, doku görüntülerindeki sağlıklı/sağlıksız bölgelerin ayrıştırılması için geliştirilmiş Yarı Güdümlü İstatistiksel Öğrenme Yöntemi kullanılacaktır. Bu yöntemin en büyük avantajı, eldeki görüntülerdeki sağlıklı ve sağlıksız doku bölgelerinin elle işaretlenerek örneklendirilmesini gerektirmemesidir. Bu sayede, görüntülerden çıkarılan desen profilleri yalnızca ait oldukları doku kesitlerinde normal yapılar olup olmadığı bilgisine dayanarak gruplandırılmaktadır.

Sonraki aşamada, belirlenen sağlıksız dokulara ait profiller, desen ölçütlerine göre, kendi aralarında sınıflandırılacaktır. Bu sınıflandırma, Yarı Güdümlü İstatistiksel Öğrenme Yöntemi tabanlı benzer bir yöntemle gerçekleştirilecektir. Sağlıksız desen gruplarının sayısına uzman patologlarla birlikte yapılacak çalışma ile karar verilecektir.

Kullanılan desen ölçütlerinden en iyi ayrıştırmayı sağlayanlar, öznitelik seçme yöntemleri ile belirlenecek ve sınıflandırmada sadece bu sözkonusu özniteliklerin kullanılması işlem başarısını arttıracaktır.

Öğrenci : Tunca Doğan

Danışman : Doc. Dr. Bilge Karaçalı

Gen ve Protein Dizilerinin İşlemsel Analizinde Vektör Uzayı Yöntemleri

Bu çalışmanın amacı gen ve protein dizilerini, dizisel özelliklerine dayanarak sınıflandıracak ve bu şekilde fonksiyonu bilinmeyen gen ve proteinlerin fonksiyonlarıyla ilgili çıkarımlarda bulunabilecek,
dağılımı üzerinde istatiksel öğrenme yöntemlerinin uygulanabileceği bir çok boyutlu vektör uzayı yöntemi geliştirmektir. Gen ve protein dizilerini çok boyutlu vektör uzaylarında ifade etmek için “İzometrik özellik haritalama” (ISOMAP) yöntemi kullanılacak olup bu vektörel dağılımlar üzerinde en yakın komşu sınıflandırması, maksimum olasılık ve destek vektör makineleri gibi
sınıflandırma yöntemleri uygulanacaktır. Bu yöntemler kullanılarak fonksiyonel benzerliklere ilişkin anlamlı kümeler oluşturulmaya çalışılacaktır.