Image construction and cancer tissue detection algorithms for portable confocal microscopy system

Abstract

Bu tez üç ana konu üzerine odaklanmıştır. Bunlar (i) kanserli dokudan görüntü elde edilmesi, (ii) görüntü birleştirme ve (iii) kanser tespiti için görüntü işlemedir. İmge elde etme kısmında, bir fotomultiplikatör tarafından elde edilen işaretlerden görüntü yaratmak için bir algoritma ve bir devre geliştirilmiştir. Veri toplama kartı ve /mbox{MATLAB}, işaretleri elde etmek ve görüntü yaratmak için kullanılmıştır. Fotomultiplikatör tarafından üretilen akım işareti, tasarlanan devre ile gerilime dönüştürülmüştür. Sonrasında, geliştirilen algoritma, bu gerilim işaretini anlamlı bir imgeye çevirmiş ve ekranda göstermiştir. İkinci konu ise görüntü birleştirmedir. İmge birleştirmede kısmi çakışmaları olan bir grup görüntü, uygun dönüşüm kullanılarak tek bir kaynaşmış görüntüye dönüştürülür. Bu aşamada, görüntülerin öznitelikleri tespit edilir, tanımlanır ve uygun noktaları bulmak için saklanır. Daha sonra, iki görüntü, geliştirilen dönüşüm kullanılarak uyuşan noktalara göre birleştirilir. Literatürdeki imge birleştirme algoritmaları araştırılmıştır. Son kısım, kanser tespiti için görüntü işlemeden oluşmaktadır. Kanseri tespit etmek için iki yeni sınıflandırıcı geliştirilmiştir. İlki, Fourier tanım kümesindeki görüntünün merkezindeki satırın grafiğinin etkin değer hatasının incelenmesine dayanmaktadır. Kanserli doku, hücrelerdeki kontrol edilemeyen büyümeden ötürü düzensiz bir yapıya sahiptir. Bu nedenle, eğer imge sağlıklı dokuya aitse, imgenin merkezdeki satırın grafiğinin çift, simetrik bir fonksiyon karakteristiğine sahip olduğu fark edilmiştir. Diğer sınıflandırıcı histograma bağlı eşik değer tekniğine dayanmaktadır. Sağlıklı dokudan farklı olarak, kanserli doku imgelerinde, sağlıklı doku imgelerinden daha fazla koyu renk piksel olduğu fark edilmiştir. Bundan ötürü, histogram, kanser tespitinde araç olarak kullanılmıştır.

This thesis focuses on three main issues; namely, (i) image acquisition of cancer tissue, (ii) image stitching and (iii) image processing for cancer detection. An algorithm and a related circuity are implemented to create images from signals obtained by a photomultiplier tube (PMT) for the image acquisition part. Data acquisition card and MATLAB are used to acquire signals and create images. The current generated by photomultiplier tube, coming signal is converted to a voltage signal by the designed circuit. Afterwards, implemented algorithm transforms this voltage to a meaningful image and then displays on the screen. The second issue is image stitching. Image stitching is a method which combines a sequence of partially overlapping images into a merged image using an appropriate transformation. Generally, in image stitching, features of images are detected, described and stored to find matching points. Next, two images are combined with respect to the similarity of matching points in the light of implemented transformation. Image stitching algorithms in the literature are investigated. Final section composes of image processing for cancer detection. Two different kinds of novel classifiers are developed to detect cancer. The first one depends on the analysis of root mean square error (RMSE) owing to line plot of center row of images in the Fourier domain. Unlike healthy tissue, cancerous tissue has an irregular structure because of uncontrollable growth in the cells. Hence, it has been noticed that line plot of the center row has even, symmetric function characteristic if it is healthy tissue image. The other classifier depends on histogram-based threshold technique. It has been realized that cancerous tissue images have darker pixel values than healthy tissue images. Therefore, histogram is considered as a tool to detect cancer.