Budak, CaferMendi, Gamze2021-03-152021-03-152021-02-16Mendi, G. (2021). Histopatolojik görüntülerde süperpiksel ve kümeleme yöntemleri kullanılarak otomatik hücre çekirdeği segmentasyonu. (Yayınlanmamış Yüksek Lisans Tezi). Batman Üniversitesi Fen Bilimleri Enstitüsü, Batman.https://hdl.handle.net/20.500.12402/2673Gün geçtikçe kanser ve kansere bağlı ölümlerde artış olduğu görülmektedir. Kanserli bölgenin erken tedavisi için erken teşhis edilmesi hayati önem taşımaktadır. Uzman patologların uğraşlar sonucu teşhis ettiği sağlıksız hücreler için, bilgisayar destekli programlar erken teşhis edilmelerine olanak sağlamaktadır. Bu çalışmada bilgisayar destekli programlarla yüksek çözünürlüklü histopatolojik görüntülerde otomatik hücre çekirdeği tespiti için global bölütleme yöntemlerinden kMeans ve Fuzzy C Means yöntemleri, süperpiksel bölütleme yöntemlerinden SLIC, Quickshift, Felzenszwalb, Watershed ve ERS algoritmaları kullanılmıştır. Çalışma sonucu kullanılan yüksek çözünürlüklü histopatolojik görüntülerde kmeans ve FCM algoritmalarında daha iyi başarı elde edildiği görülmektedir. Kesinlik açısından Quickshift ve SLIC yöntemleri daha iyi sonuç vermiştir. F ölçütünde (F-M) en iyi başarım sağlayan kMeans ve FCM algoritmaları olduğu ve gerçek negatif oranının (TNR) Quickshift ve SLIC yönteminde daha başarılı olduğu görülmektedir.It is observed that cancer and cancer-related deaths increase day by day. Early diagnosis is vital for the early treatment of the cancerous area. Unhealthy cells, which are diagnosed by expert pathologists as a result of efforts, provide early detection with the help of computer-aided programsIn this study, kMeans and Fuzzy C Means methods, which are among the global segmentation methods, and SLIC, Quickshift, Felzenszwalb, Watershed and ERS algorithms, which are among the superpixel segmentation methods, were used for automatic cell nucleus detection in high resolution histopathological images with computer aided programs. It is seen that better success is obtained in kMeans and FCM algorithms in high resolution histopathological images used as a result of the study. Quickshift and SLIC methods gave better results in terms of precision. In the F-Measure (F-M), it is seen that the best success is the k Means and FCM algorithms and the true negative ratio (TNR) is more successful in Quickshift and SLIC methods.trinfo:eu-repo/semantics/openAccessAttribution-ShareAlike 3.0 United StatesHistopatolojik GörüntüGörüntü İşlemeSegmentasyonSüperpikselHistopathological ImageImage ProcessingSegmentationSuperpixelMaster Thesis