ESI UCLM
Ana SayfamezunlarıVideo | En İyi TFG – Meme Kanseri Tanımlaması

Video | En İyi TFG – Meme Kanseri Tanımlaması

Elena Ruiz, Ciudad Real Higher School of Computer Science, UCLM'de final projesini sunarken

Video | En İyi TFG – Meme Kanseri Tanımlaması

Çalışmanın başlığı: “Multispektral mikroskobik görüntülerde dijital boyama. Elena María Ruiz Izquierdo tarafından geliştirilen ve Jesús Salido Tercero ile María Gloria Bueno García tarafından yönetilen meme kanserinin tanımlanmasına yönelik uygulama”, Máquina de Turing'in 2. baskısında ödül alan Çalışma Sonu Projelerinden (TFE) biriydi. Aşağıdaki video aracılığıyla çalışmanın bir özetini görebilirsiniz:

özet:

Yapay Zeka yavaş yavaş hayatımıza dahil olan bir teknolojidir. Özellikle Görüntü İşleme, güvenlik, otomatik navigasyon, tıp vb. gibi çeşitli alanlarda kullanımıyla öne çıkıyor. Bu sayede çağın yükselişindeki disiplinlerden biri haline gelmiştir. Bu teknolojinin tıp alanında uygulanması, hastalıkların teşhis ve analizine yardımcı olarak, maliyetleri düşürerek ve süreçleri düzene sokarak büyük ilerlemeler sağlamıştır.

Bu projenin amacı, meme dokusu biyopsilerinin multispektral görüntülerinin, tümör dokusunun saptanmasına ve tümör örneklerinin tümör olmayan örneklerden ayırt edilmesine izin veren konvolüsyonel sinir ağları yardımıyla sınıflandırılmasıdır. Bunun için, meme dokusunun tam histolojik örneklerinin 425nm ila 697nm aralığında 4nm aralığında alınan ve toplam 69 dalga boyunu oluşturan multispektral görüntüleri kullanılmıştır. Bu örnekler ile tümörlü bölgenin ve farklı dokularının haritasını belirlemek ve karakterize etmek mümkündür. Karşılaştırma için boyanmamış ve biyobelirteçle boyanmış histoloji preparatlarının veya numunelerin görüntüleri kullanılmıştır.

Örneklerin boyanmadan görüntüleri hiperspektral kameralı optik mikroskop ile farklı dalga boylarında elde edilmiştir. Bu nedenle, sıradan kameralarla elde edilen görüntülere ek bilgi sağlayıp sağlamadıkları ve ayrıca bu görüntüleri kötü huylu ve iyi huylu doku olarak sınıflandırmanın mümkün olup olmadığı analiz edildi. Sonuç olarak, multispektral görüntülerle uygulanan sınıflandırma modellerinin karşılaştırması sunularak hangisinin daha yüksek performans gösterdiği ve boyalı preparatların görüntülerinin sınıflandırma modeline daha yakın bir başarı oranı elde ettiği sonucuna varılmıştır.

Herhangi bir biyobelirteçle lekelenmeden bir doku görüntü sınıflandırıcısının oluşturulması, numunelerin hazırlanmasından ve yorumlanmasından kaynaklanan değişkenliği ortadan kaldıracak ve aynı zamanda yüksek maliyetinden de kaçınacaktır. Boyalı örneklere dayalı mevcut metodoloji ile bu teknikleri daha sonra doğrulamak için, derin öğrenme teknikleri uygulanarak çeşitli dijital boyama yöntemleri uygulanmıştır. Bu verilerin modellenmesi, hücresel ve doku düzeyinde yapısal etkileşimlerin analizinde de ilerleme sağlayacaktır.

İle paylaş:
Bu öğeye oy ver