Gri seviye birliktelik matrisi öznitelikleri ve manifold öğrenme yardımıyla histoloji görüntülerinde otomatik doku sınıflandırılması

Abstract

Bu çalışmanın amacı, histoloji yansılarından elde edilmiş gri seviyeli görüntülerde manifold öğrenme yöntemi kullanarak otomatik doku sınıflandırmasını gerçekleştirmektir. Dokulara ait öznitelik vektörleri, lokal birliktelik matrisleri kullanılarak elde edilmiş ve öznitelik vektör uzayı boyutları, İsomap boyut düşürme yöntemi ile azaltılmıştır. Elde edilen düşük boyutlu uzayda, kortamala kümeleme yöntemi ile birbirinden farklı doku kümeleri belirlenmiştir. Bu çalışmada, insan böbreğine ait histoloji yansıları kullanılmıştır. Elde edilen boyutu düşürülmüş öznitelik vektörleri ile doku kümeleri sonuç olarak verilmiştir.

The aim of this work is to perform automated texture classification of histology slides using grayscale images and manifold learning method. Texture feature vectors were obtained using local gray scale co-occurrence matrices and the dimension of the feature vector space was lowered using Isomap dimension reduction. In a lower dimension feature space, k-means clustering operation was performed in order to provide separate texture clusters. In this work, experimental results were obtained using human kidney histology slides. Corresponding feature vectors and determined texture types were given as results.