PROJE NO: 121E379
PROJE ADI: Histopatoloji Görüntülerinde Meme Kanseri Tespiti Için Derin Öğrenme Tabanlı Metodolojinin Geliştirilmesi
PROGRAMI: TÜBİTAK 1001 – Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı
PROJE ÖZETİ:
Son yıllarda, otomatik kanser teşhisi için muazzam miktarda araştırma yapılmaktadır. Bunun nedeni teknolojinin gelişimiyle birlikte, histopatoloji görüntülerinin bilgisayar ortamına yüksek çözünürlükle aktarılarak incelenebilir hale gelmesidir. Meme kanseri, kadınlarda görülen en yaygın kanser türüdür. Kanserli meme dokularının histopatolojik derecelendirilmesinde en yaygın kullanılan kriterler olan Bloom-Richardson derecelendirme sistemi üç bileşenden oluşmaktadır; mitotik sayım, nükleer atipi ve tübüler oluşum. Patologlar, her doku örneğini zahmetli ve öznel bir süreç olan yukarıda yazılı üç bileşene göre manuel inceleyerek dokularının derecelendirmesini gerçekleştirmektedir. Histopatoloji görüntülerinin dijitalleştirilmesi ile beraber, dokuların incelenmesi işlemini nicel ölçümlere dayandıracak çalışmalar yapılmaya başlanmıştır.
Hematoksilen ve eozin (H&E) boyalı histopatoloji görüntülerinde yapılan çalışmalarda aşağıda sıralanan yedi çeşit zorluklarla karşılaşılmaktadır:
1) Görüntülerin farklı cihazlarda taranması, farklı boya markalarının kullanılması veya görüntülerin tarandığı ortamların farklı olmasından kaynaklanan renk dağılımı farklı olabilmektedir.
2) Çekirdeklerin tespiti ve segmentasyonu, potansiyel olarak hastalıkları tanımlamak ve derecelendirmek için kullanılabilecek hücresel morfoloji özelliklerini veya dokuyu çıkarmak için çok önemlidir. Çekirdekler, nükleer atipi kanser derecelendirmesinde ve mitotik hücre sayımında önemli bir prognostik parametredir. Çekirdeklerin çok çeşitli (boyut, renk vb.) olması, iç içe geçmiş veya iyi boyanmamış çekirdeklerin bulunması, kanserli hücrelerde çekirdek yapılarının bozulması çekirdek tespit ve segmentasyonunu zorlaştırmaktadır.
3) Mitotik hücrelerin çok çeşitli ve tespitinin zor olmasıdır. Patologlar arasında dahi, hücrenin mitotik yapıda olup olmadığı ile ilgili kararsızlıklar olabilmektedir.
4) Çekirdekler morfolojik özelliklerinden dolayı nükleer atipi değerlendirmesi zor bir işlemdir. İşlemin başarılı olabilmesi, çekirdek tespit ve segmentasyonu işleminin başarısına bağlıdır.
5) Görüntülerde kanserli alanı tespit etmek de zorlu bir işlemdir. Dijitalleştirilen histopatoloji görüntüleri çok büyük boyutlarda olduklarından dolayı, görüntüleri bir bütün olarak işlemek ve kanserli alanları tespit etmek zordur.
6) Kanserli bölgelerin tespitinden sonra o bölgelerinde oluşmuş tübüler yapıların bulunması da zorlu bir işlemdir.
7) Histopatoloji görüntüleri çok büyük boyutlarda olduğundan ve işaretlenmiş veri seti oluşturmak çok vakit alan, zahmetli bir iş olduğundan, araştırmacıların ulaşabileceği fazla işaretlenmiş veri seti bulunmamaktadır.
Bu çalışmanın amacı, otomatik veya yarı otomatik meme kanseri tespit ve derecelendirme sistemi geliştirilmesine yardımcı olabilecek özgün bir metodoloji önermektir. Önerilen beş aşamalı metodolojinin uygun aşamalarında yapılan katkılar şöyle açıklanabilir:
1) Histopatoloji görüntülerinde boyama tutarsızlığını en aza indiren bir renk normalizasyonu tekniği uygulanacaktır.
2) Çekirdek tespiti ve segmentasyonu için özgün bir derin öğrenme mimarisi uzamsal – kanalsal dikkat modelli GAN (SCAGAN) ve parçacık sürü optimizasyonu (PSO) tabanlı U-NET mimarisi önerilmektedir. Önerilen mimariler ile çekirdeklerin üstüste veya iç içe geçmiş olması probleminede çözüm üretmektedir.
3) Kanserli bölge tespiti ve mitotik hücre sayımı içinde modifiye edilmiş SCAGAN kullanılacaktır.
4) Histopatolojik görüntülerde doğal olarak bulunan doku heterojenliğini özetleyen yeni bir görüntü tanımlayıcısına dayanan bir nükleer atipi değerlendirme yaklaşımı uygulanacaktır.
5) Elde edilen kanserli alanda bulunan tübüler oluşumlar morfolojik işlemler uygulanarak tespit edilecektir.
Proje, disiplinler arası bir projedir. Projede, Ankara Üniversitesi Patoloji Anabilim Dalı ile ortak çalışarak, meme dokusu üzerine H&E boyalı dijital histopatoloji veri seti oluşturulması hedeflenmektedir. Ayrıca geliştirilecek olan sistemin başarısı, Ankara Üniversitesi Patoloji Anabilim Dalında bulunan histopatoloji görüntülerinde uygulanarak belirlenecektir. Böylece, geliştirilecek olan sistemin ülkemizdeki laboratuvarlarda kullanılabilme oranı gerçek verilerle elde edilecektir.