Πανεπιστήμιο Ιωαννίνων Σχολή Θετικών Επιστημών Τμήμα Πληροφορικής
(EL)
Νίκου, Χριστόφορος
(EL)
-
Η παρούσα διατριβή εστιάζεται στην ανάπτυξη αυτόματων μεθόδων κατάτμησης κυτταρολογικών εικόνων, οι οποίες σε συνδυασμό με τεχνικές κατηγοριοποίησης, αντιμετωπίζουν διεξοδικά τα προβλήματα που υπάρχουν στις μικροσκοπικές εικόνες από τεστ Παπ. Σε αυτές τις εικόνες, τα αντικείμενα ενδιαφέροντος είναι οι πυρήνες των κυττάρων, οι οποίοι παρουσιάζουν σημαντικές αλλαγές σε παθολογικές καταστάσεις. Έτσι, η ακριβής κατάτμηση των πυρήνων αποτελεί ένα θέμα με ιδιαίτερη σημασία, αφού οδηγεί στην αναγνώριση ανωμαλιών στο σχήμα και στη δομή των πυρήνων, και συνεπώς στην κατηγοριοποίηση των κυττάρων σε φυσιολογικά και μη φυσιολογικά. Το πρώτο θέμα με το οποίο ασχοληθήκαμε στα πλαίσια της διατριβής είναι η επιτυχής ανίχνευση των θέσεων των πυρήνων σε εικόνες που περιέχουν μεμονωμένα κύτταρα και συστάδες κυττάρων. Γι αυτό το σκοπό, αναπτύχθηκαν τεχνικές που βασίζονται στη μαθηματική μορφολογία σε συνδυασμό με τεχνικές κατηγοριοποίησης για την εξάλειψη των μη επιθυμητών ευρημάτων. Ακόμα, αναπτύξαμε μια αυτόματη μεθοδολογία για τον καθορισμό του περιγράμματος των πυρήνων των κυττάρων, η οποία βασίζεται στον αλγόριθμο υδροκριτών (watersheds) στην εικόνα μορφολογικής χρωματικής κλίσης. Για κάθε περιοχή υπολογίστηκαν χαρακτηριστικά που αφορούν το σχήμα, την υφή και τη φωτεινότητα, τα οποία εξετάστηκαν ως προς την διαχωριστική τους ικανότητα, για το διαχωρισμό των περιοχών σε πραγματικούς πυρήνες και μη πραγματικούς πυρήνες. Επιπλέον, ασχοληθήκαμε με τον διαχωρισμό των μερικώς επικαλυπτόμενων πυρήνων και αναπτύξαμε μια αυτόματη μεθοδολογία, η οποία βασίζεται στην εκπαίδευση ενός φυσικού παραμορφώσιμου μοντέλου. Πιο συγκεκριμένα, προτείναμε ένα αποδοτικό πλαίσιο εκπαίδευσης των ενεργών περιγραμμάτων στο οποίο η αναπαράσταση του σχήματος ορίζεται μέσω των ταλαντώσεων ενός συστήματος «μάζες-ελατήρια». Ένα παραμορφώσιμο μοντέλο που η συμπεριφορά του καθορίζεται από την υπέρθεση των ελεύθερων ταλαντώσεων του συστήματος «μάζες-ελατήρια», εκπαιδεύεται σε μια σειρά από εικόνες που περιέχουν ένα μόνο πυρήνα. Με βάση την εκπαίδευση των μοντέλων και κατευθυνόμενοι από τα χαρακτηριστικά της εικόνας, αναπτύξαμε ένα πλαίσιο για την ανίχνευση του περιγράμματος άγνωστων πυρήνων, σε εικόνες που περιέχουν δύο επικαλυπτόμενους πυρήνες. Τέλος, ερευνήσαμε την κατηγοριοποίηση των κυττάρων σε φυσιολογικά και μη φυσιολογικά, βασιζόμενοι αποκλειστικά σε χαρακτηριστικά της περιοχής του πυρήνα. Με βάση αυτά τα χαρακτηριστικά, εξετάσαμε την απόδοση μη γραμμικών μεθόδων μείωσης της διάστασης των δεδομένων, για την παραγωγή μιας αξιόπιστης αναπαράστασης του πολυπτύγματος των χαρακτηριστικών καθώς και την επίδρασή τους στην επίδοση της ταξινόμησης.
(EL)
University of Ioannina
