- International Journal of Multidisciplinary Studies and Innovative Technologies
- Cilt: 7 Sayı: 2
- Histopatolojik Görüntülerle Diyabetin Akciğer Dokusundaki Etkisinin Sınıflandırılması: LBP ve GLCM Ö...
Histopatolojik Görüntülerle Diyabetin Akciğer Dokusundaki Etkisinin Sınıflandırılması: LBP ve GLCM Özellikleri ile Bir Karşılaştırma Çalışması
Authors : Tuğba Şentürk, Fatma Latifoğlu, Demet Bolat, Arzu Yay, Munevver Baran
Pages : 84-89
View : 54 | Download : 53
Publication Date : 2023-12-19
Article Type : Research
Abstract :Bu çalışma, diyabet hastalığının akciğer dokusu üzerindeki etkilerini incelemek amacıyla ratlarda bir diyabet modeli kullanarak histopatolojik görüntülerin analiz ve sınıflandırılmasını hedeflemektedir. Çalışmanın başlangıcında, kontrol ve Streptozotosin (STZ) ile diyabetik gruplar oluşturulmuştur. Akciğer dokusundaki değişiklikleri incelemek için kaspaz immunohistokimyasal boyama kullanılmıştır. Görüntülerden Yerel İkili Örüntüler (Local Binary Pattern, LBP) ve Gri Seviye Eş Oluşum Matrisi (Gray-Level Co-Occurrence Matrix, GLCM) gibi özellikler elde edilmiştir. Bu özellikler ile diyabetin akciğer dokusuna etkilerini analiz etmek amacıyla histopatolojik görüntüler analiz edilmiştir . Daha sonra, Lasso yöntemi ile en önemli özellikler seçilmiş ve kullanılmıştır. Elde edilen özellikler, Destek Vektör Makinesi (Support Vector Machine, SVM), K-en Yakın Komşu (K-nearest neighbors, KNN), Yapay Sinir Ağları (YSA) ve Karar Ağacı (Decision Tree, DT) gibi dört farklı sınıflandırma yöntemi ile sınıflandırılmıştır. Bu yöntemler, görüntülerin sınıflandırılmasında kullanılmış ve görüntülerde sınıflandırma sonuçları elde edilmiştir. Kırmızı ve mavi kanallardan elde edilen görüntüler ile en iyi sınıflandırma performansı sırasıyla %91.08 ve %93.87 doğruluk oranlarıyla YSA sınıflandırıcısıyla elde edilirken, yeşil kanaldan elde edilen görüntüler ile en yüksek doğruluk oranı %87.15 olarak SVM sınıflandırıcısıyla elde edilmiştir. Bu sonuçlara göre, histopatolojik görüntü analizi yoluyla diyabetin akciğer dokularına etkisini objektif bir şekilde değerlendirmek için LBP, GLCM özellikleri ve makine öğrenme algoritmalarından oluşan sınıflandırma modelinin önemli bir potansiyele sahip olduğu görülmektedir.Keywords : Diyabet Hastalığı, GLCM, LBP, SVM, KNN, DT, YSA