LÖKOSİT HÜCRELERİNİN PREPARAT GÖRÜNTÜSÜNDEN TESPİTİ VE SINIFLANDIRILMASI

Abstract

Kan yapısının analiziyle hastalıkların teşhisinin konulması işlemi, mikroskop yardımıyla morfolojik incelemeye dayanır. Hematoloji uzmanları, preparatta bulunan lökosit hücrelerinin yapısını ve sayısını inceleyerek morfolojik incelemeyi gerçekleştirirler. Bu işlemler yoğun bir tempoda, boyama ve ışıklandırma için ayrı bir çaba sarf etmeksizin yapılmaktadır. Böyle bir durumda hem gözden kaçabilecek bilgiler hem de uzmanın harcadığı zaman hayati öneme sahiptir. Bu sıkıntıları telafi etmek amacıyla geliştirilen algoritmayla, çok kaliteli hazırlanmamış preparat görüntüsünde bile lökosit hücrelerinin analizi yapılmaktadır. Böylelikle uzmana daha temiz ve net görüntüler sunularak zaman kaybı ve gözden kaçırma ile oluşabilecek hatalar en aza indirgenebilir. Diğer taraftan ülkemizdeki uzman sayısının yetersiz olması sebebiyle uzmanın olmadığı sağlık kuruluşlarındaki geliştirilen bu programla yapılan incelemelerde, hastalık belirtisi gösteren lökosit hücreleri tespit edilerek gerekli yönlendirmeler yapılır. Bu işlemler bütününü sağlamak için görüntü, Otsu yöntemi ile dinamiklik katılan Parçalı Lineer Filtre ile zenginleştirilerek lökosit hücre alanları daha belirgin hale getirilmiştir. Sonrasında KOrtalamalarla desteklenen Markov Rastsal Alanları ve Beklenti Enbüyükleme yöntemini içeren uzamsal yapıya sahip hibrit yapıyla lökosit hücre alanları bölütlenmiştir. Böylece farklı boyama kalitesi ve ışıklandırmadan kaynaklanan sıkıntılar en aza indirgenmiştir. Bölütlemeyle elde edilen lökosit alanları üzerinden öznitelik çıkarımıyla hücreye ait 34 farklı bilgiyi içeren öznitelik vektörü oluşturulmuştur. Gini analiziyle bu vektörün eleman sayısı 11e düşürülmüştür. Bu çalışmada geliştirilen Cnt ve Sc Faktörlerle yapılan Gini analizinde bu sayı azalarak 5e düşmüş ve 5 farklı lökosit hücresi olasılıksal yapay sinir ağlarıyla daha hızlı sınıflandırılmıştır. Sınıflandırma başarısı, test amacıyla ayrılan veri setinde %91,65 olarak ölçülmüştür. Sonuçlar, bu alanda çalışma yapan uzmanlara ve uzmanın olmadığı ortamlarda gerekli yönlendirmelerin yapılmasına olanak sağlayacak niteliktedir.

Diagnosis of diseases which are related to disorders of the leukocyte s structure is based on morphological examination methods. At the end of this examination, leukocyte s numbers, disorders and types of them are determined by hematology specialists without an intense pace for staining and lighting effort. Therefore, this process causes the loss of the vital information and time. The algorithm which is proposed in this study can support the specialists to examine the not well stained smear easily. Thus, specialists and proposed algorithm can observe the cells structure on a clear image and classify them into five categories without loss of information. In this manner, quick examination, loss of time, inadequate specialists and diagnosis problems can be solved by the proposed algorithm. At first step of our algorithm, the leukocyte s area is enriched with Otsu based dynamic Piecewise Linear Filtering Method. After that a hybrid spatial learning structure which is composed of K-Means, Markov Random Field and Maximization Expectation Method has been used to get Region of Interests. This hybrid method minimizes the quality of different staining and lighting problems. At analysis step, we obtained 34 different vector elements of each Region of Interests. The member of this vector is dropped to 11 by Gini Method. The Cnt Factor and Sc Factor which are proposed in this study decrease this number of feature set into 5. This also reduces the classification pace. Then, this vector is divided into 5 different classes with Probabilistic Neural Network. Classification performance of the allocated data set is measured as 91.66%. The obtained results can support the specialist and the proposed algorithm can give useful information about the smear if there isn t any specialist.