Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Türkiye
Tezin Onay Tarihi: 2008
Tezin Dili: Türkçe
Öğrenci: Ömer Kasım
Danışman: AHMET EMİN KUZUCUOĞLU
Özet:MATLAB GEREÇLERİYLE KAN HÜCRELERİNİN TANILANMASI Günümüzde, hematoloji uzmanları kan hücrelerini inceleyerek çeşitli teşhisleri koymaya çalışmaktadırlar. Bu işlem, hem zaman açısından verimli olmamakta hem de bazı görülmesi gereken hücreler gözden kaçırılmaktadır. Bu çalışmada mikroskop altında incelenen preparatlar, mikroskoba bağlı bir kamera ile bilgisayar ortamına aktarılmaktadır. Bu görüntüler üç önemli aşamadan geçirilerek uzmanın gerçekleştirdiği teşhis işlemi gerçekleştirilmektedir. Bu aşamalar giriş filtreleme, özellik tanılama ve sınıflandırmadır. Giriş filtreleme aşamasında preparat görüntüsü içerisinde yer alan istenmeyen görüntüler filtrelenir. Bu istenmeyen görüntüler, üst üste binmiş birbirine değen hücreler, periferik yayma aşamasında parçalanmış hücreler ve gürültü ya da titreşimden kaynaklanan problemler şeklinde sıralanabilir. Özellik tanılama aşamasında filtrelenen hücreler bölütlenir. Bölütlenen her bir hücre tek tek ele alınır. Ele alınan her bir hücre için 8 ayrı özellik tanımlanır. Bu özellikler alan, yuvarlaklık, katılık, renk, euler, eksantriklik parametreleri ile bu çalışmada geliştirilen S ve D parametreleridir. Bu özellikler matlab görüntü işleme fonksiyonları ile hesaplanmaktadır. Sınıflandırma aşamasında ise özellikleri belirlenen hücreler, eğitilen olasılıksal yapay sinir ağına giriş olarak verilmektedir. Olasılıksal yapay sinir ağı, giriş olarak verilen 8 adet hücre özellik parametresine karşın bu verileri 15 ayrı sınıfa yerleştirmektedir. Bu sınıflar trombosit, eritrosit, mikrosit, yüzük şekilli hücre, makrosit, elips, stomotosit, dakrosit, megalosit, sferosit, ekinosit, sistosit, t hücre, orak hücre ve lökosittir. Sınıflandırılan hücre bilgileri bir veritabanında tutulmaktadır. Analiz sonucunda var olan hücre bilgileri yüzdesel olarak ifade edilmektedir. Bir başka eğitilmiş olasılıksal yapay sinir ağı bu bilgileri sınıflandırarak 7 farklı hastalığın teşhisini koymaktadır. Konulan bu teşhisler uzmanların verdiği teşhisler ile paralellik göstermektedir. Anahtar Kelimeler: Görüntü İşleme, Özellik Çıkarma, Sınıflandırma ABSTRACT IDENTIFICATION OF BLOOD CELLS USING MATLAB TOOLS Nowadays, hematology experts investigate blood cells to diagnose diseases. This process not only isn’t an efficient way because of the time consumption but also doing wrong identification of some blood cells. In this study, analysis of platelet image which is on the microscope plate transfer to the computer via a camera which is connected to the microscope. These images are passed through three stages to identify blood cell images in our program. These stages are input filtering, feature extraction and classification. At input filtering stage, unwanted image errors are filtered from input image of blood smear. This unwanted image problems are connected blood cells, mistaken stained peripheral blood smear and noise. At feature extraction stage, filtered blood cell images are segmented. At segmentation stage, all blood cells cropped one by one. Cropped blood cell image is recognized by eight features. These are area, eccentricity, solidity, color,euler, roundness and, S and D parameters which are improved in this study. At classification stage, blood cell images are distinguished in 15 classes by appointed 8 blood cell features. This purpose is done by probabilistic neural networks which is designed for classification problem. This network classifies 15 different types of blood cells. These classes are platelet, erythrocyte, microcyte, ring shaped cell, macrocyte, ellipse shaped cell, tear drop shaped cell, stomatocyte, megalocyte, spherocyte, acanthocyte, schizocyte, t cell, drepanoscyte and leukocyte. This classified cells numbers are held in a database to diagnose diseases. For this purpose second probabilistic neural network was designed. This network classifies 9 red blood cell percentage data into the 7 disease class. Our program results are the same as expert idea. Keywords: İmage Proccesing, Feature Extraction, Classification