Mikroskobik imgelerde tüberküloz bakterisinin rastgele ormanlar yöntemiyle sınıflandırılması

Abstract

Mikroskobik hastalık teşhisi, hastalardan alınan numunelerin mikroskop altında incelenip hastalığın tespit edilmesi sürecidir. Laboratuvar teknisyenlerinin fazla zamanını alan bu görsel inceleme süreci aynı zamanda hataya da oldukça meyillidir. Yorucu iş yükü de buna eklendiğinde tanı süreci çalışanlar açısından oldukça güç ve usandırıcı olmaktadır. Doğru tanının insan sağlığı için önemi düşünüldüğünde birçok bilgisayar destekli örüntü tanıma sistemlerinin geliştirilmesinin nedeni açık ça ortaya çıkmaktadır. Bu amaçla tez çalışmasında, mikroskobik görüntülerdeki tüberküloz bakterisini makine öğrenme algoritmaları ile otomatik teşhis eden görsel arayüzlü bir yazılım Embarcadero Borland C++ platformunda geliştirilmiştir. Tez çalışması, veritabanının oluşturulması, öznitelik çıkartılması, bölütleme ve sınıflandırmadan oluşmaktadır. Öznitelik çıkartılmasında bölütleme aşaması için yapısal yaklaşımlar, sınıflandırma aşaması için ise görünüşe dayalı yaklaşımlar incelenmiştir. Mikroskobik görüntülerin bölütlenmesinde ve bölütlenmiş görüntülerin sınıflandırılmasında kullanılan Destek Vektör Makineleri, Yapay Sinir Ağları gibi temel yaklaşımların yanında güncel bir yaklaşım olan Rastgele Ormanlar yöntemi de incelenmiştir. Sonuçlara bakıldığında önerilen güncel yöntemin diğer uygulanan yöntemlere oranla oldukça başarılı sonuçlar verdiği görülmektedir. Anahtar Kelimeler: Tüberküloz Bakterisi, Örüntü Tanıma, Rastgele Ormanlar, Destek Vektör Makineleri, Yapay Sinir Ağları, Mikroskobik Görüntüleme Diagnosis of a microscopic disease is a process of determining the disease taken from patients by examining under a microscope. This visual examining process requires much time of laborants and also it is prone to mistakes. Addition of tiring workload, diagnosis process becomes quite difficult and boring for laborants. When the importance of the correct diagnosis for human health considered, the reason of the development of computer-aided pattern recognition systems is understood clearly. For this purpose, in order to automatically diagnose the mycobacterium tuberculosis in microscopic images by means of machine learning algorithms, a software which has visual interface is developed using Embarcadero Borland C++ platform, in this thesis study. The thesis study covers database construction, feature extraction, segmentation and classification. During the feature extraction, structural based and appearance based approaches are analyzed for segmentation and classification, respectively. In addition to basic approaches such as Support Vector Machines and Artificial Neural Networks, a novel approach called Random Forest is analyzed in the segmentation of microscopic images and classification of segmented images. When the results considered, the proposed novel method is quite successful when compared to the other applied methods. Key Words: Mycobacterium Tuberculosis, Pattern Recognition, Random Forests, Support Vector Machines, Artificial Neural Networks, Microscopic Imaging