Detection and Classification of Leucocyte Types in Histological Blood Tissue Images Using Deep Learning Approach

Authors : Kübra UYAR, Şakir TAŞDEMİR

Pages : 130-137

Doi:10.31590/ejosat.901693

View : 18 | Download : 14

Publication Date : 2021-04-15

Article Type : Research Paper

Abstract :Histolojik kan dokusu görüntülerinde beyaz kan hücreleri olarak da bilinen lökosit türlerinin belirlenmesi, çeşitli hematolojik hastalıkların teşhisine olanak sağlaması açısından önemlidir. Bu çalışmada, hematolojik bir bozukluk olan lenfoma kanserinin teşhisi için derin öğrenme yaklaşımı kullanarak otomatik tespit ve sınıflandırma modeli sunulmuştur. Bir tür bölge tabanlı Konvolüsyonel Sinir Ağı (KSA) modeli olan Faster R-CNN nesne tespiti ve sınıflandırma problemlerinde tatmin edici performans elde etmektedir. Görüntü tabanlı uygulamalarda özellik çıkarma sürecini ortadan kaldırmak için, lenfosit, monosit, bazofil, eozinofil ve nötrofil olan lökosit türlerinin tespiti ve sınıflandırılması için ResNet50 ile modifiye edilmiş Faster R-CNN modeli önerilmiştir. Bu amaçla, ResNet50 modeli modifiye edilerek yeni bir Faster R-CNN nesne tespit modeli tasarlanmış ve görüntüdeki lökositlerin yerleri belirlenerek sınıflandırılmıştır. Önerilen modelin etkinliği, kan dokusu görüntülerini içeren yeni bir histolojik veri seti üzerinde test edilmiştir. Kan dokusundaki lenfosit sayısı, lenfoma kanseri tanısında değerlendirme kriteri olarak kullanılmaktadır. Bu nedenle bu çalışma klinik çalışmalara örnek teşkil etmektedir. Önerilen modele göre, öncelikle kan dokusu görüntüleri normalize edilir ve eğitilebilir konvolüsyon çekirdeği kullanılarak örtük özellikler çıkarılır. Ardından, örtük unsurların boyutlarının azaltılması için maksimum havuzlama uygulanır. Bundan sonra, Bölge Teklif Ağları (BTA'ler), tespit için Faster R-CNN tarafından kullanılan, yüksek kaliteli bölge önerileri oluşturmak için kullanılır. Son olarak, softmax sınıflandırıcı ve regresyon katmanı, sırasıyla lökosit türlerini kategorize etmek ve test örneklerinin sınır kutularını tahmin etmek için kullanılır. Deneysel sonuçlar lökosit türlerinin tespiti ve sınıflandırılması için yeni Faster R-CNN'nin başarılı performansını ve genelleştirme yeteneğini göstermektedir. Bu model klinik çalışmalar için bir teşhis aracı olarak kullanılma potansiyelini göstermektedir çünkü yöntem gerçek dünya histolojik veri setinde test edilmiştir.
Keywords : Yapay zekâ, Kan doku, Sınıflandırma, CNN, Tespit, Faster R CNN, Lökosit türleri, Lenfoma kanseri