Semi-automatic/user-guided segmentation of mitochondria on transmission electron microscopy images

Abstract

Çalışmanın amacı, transmisyon elektron mikroskobu görüntülerinde mitokondrileri bölütlemek için kullanıcı güdümlü yarı otomatik yöntemler geliştirmek ve uygulamaktır. Daha önce yapılan, algılanmaya ve bölütlenmeye dayalı otomatik aktif kontur algoritması mitokondri veri kümeleri üzerinde hatalı çalışabiliyor. Bundan dolayı, yarı otomatik yöntemler yanlış algılanmış vebölütlenmiş mitokondrileri düzeltmekte kullanılacaktır. Bölme, birleştirme, silme, otomatik bölütleme algoritmasının kullanıcının istediği pozisyonda başlatılması, düşük puan almış mitokondrilerin seçimi ve elle çizim teknikleri, kullanıcıya sunulan altı tane yarı otomatik tekniği oluşturur. Özetlemek gerekirse, .bölme işlemi, yanlış bölütlenmiş bir mitokondrinin, kullanıcı tarafından tanımlanan genel bir yüzey yardımı ile ikiye bölünmesidir. Birleştirme işlemi, iki mitokondri sonucunun birleştirilerek, bir tane geçerli mitokondri elde edilmesidir. Silmetekniği, mitokondri olmayan alanlardaki yanlış tespitlerin silinmesini sağlar. Bir diğer teknik, otomatik bölütleme algoritmasının, kullanıcının istediği bir pozisyonda, geçerlilik kriterlerinin yumuşatılatak başlatılmasıdır. Son olarak, elle çizim tekniği, kullanıcı tarafından tanımlanan noktalar ile bir mitokondrinin üç boyutlu görüntüsünün oluşturulmasıdır. Bu yarı otomatik tekniklergerçekleştirlmeden önce, kullanıcının değerlendirme yapabilmesi amacı ile, mitokondri resimleri ve otomatik algoritmanın çıktıları görselleştirilmiştir.

The purpose of the study is to develop and implement some user-guided semi-automatic methods to segment mitochondria on transmission electron microscopy images. Earlier automatic active contour based detection and segmentation algorithm applied on slices of mitochondria dataset are subject tosome errors. Therefore, semi-automatic methods are necessary to adjust structure of wrongly detected and segmented mitochondria. There are six semi-automatic methods introduced in this thesis, namely, splitting, merging, deletion, initiation of automatic segmentation algorithm at intended position, selection of low scored mitochondria and manual drawing. In summary, firstly, splitting is separation of wrongly detected mitochondrion into two pieces with the help of generic surface defined by the user. Merging is the combination of two mitochondria which results in formation of one valid mitochondrion. Deletion allows removing false detections in non-mitochondrial region. Initiation of automatic algorithm at userspecified position is done by softening validation phase parameters of automatic segmentation algorithm. Lastly, manual drawing is to form 3D shape of amitochondrion from user-defined points. Prior to the implementation of these semi-automatic methods, mitochondrial images and the output of the automatic algorithm were visualized to ensure user evaluation on mitochondrial images.