Akademik Veri Yönetim Sistemi
İleri Mühendislik Çalışmaları ve Teknolojileri Dergisi, cilt.3, sa.2, ss.66-81, 2023 (Hakemli Dergi)
Tıp alanında hastalıkların tespiti, hücre davranışları ve hücrelerin durumunu incelemek için genellikle mikroskop altındaki hücreleri çeşitli floresan boyalar ile boyadıktan sonra hücre görüntüleme işlemi yapılmaktadır. Hücrelerin incelenip yorumlanması ise alanında uzman kişiler tarafından gerçekleştirilmektedir. Bu işlemin insanlar tarafından gözlem yoluyla gerçekleştirilmesi ise hem sonuçların işlenip yorumlanması için zaman açısından bir kayıp hem de bu işlemlerin yorumlanmasının bir insanın gözlemine dayandığından öznel bir yaklaşım gerektirmesi hata olasılığını meydana getirir. Bu çalışmada halka açık kaynak biyo-görüntüleri ile farklı YOLO versiyonları kullanılarak, THücrelerinin floresan mikroskopu altındaki görüntüleri üzerinden durumları, hastalıklı veya sağlıklı olarak sınıflandırılmıştır. Bu sınıflandırmanın ayrım koşulu olarak hücrelerdeki ARPC1B proteinin varlığı incelenmiştir. Floresan mikroskobundan alınan örnek görüntü hücreleri etiketlenip YOLO algoritması ile eğitilerek model geliştirilmiştir. Sonrasında iki farklı modelin sonuçları incelenip karşılaştırılmıştır.
n the medical field, cell imaging is usually performed after staining cells with various fluorescent dyes under a microscope in order to detect diseases, study cell behavior and the condition of cells. The examination and interpretation of the cells is carried out by experts in the field. The realization of this process by observation by people, on the other hand, creates the possibility of error, both in terms of time lost for processing and interpreting the results, and the fact that the interpretation of these operations requires a subjective approach, since it is based on human observation. In this study, using open source bio-images and different YOLO versions, the conditions of T-Cells were classified as diseased or healthy based on images under a fluorescence microscope. The presence of the ARPC1B protein in cells was investigated as a condition for the distinction of this classification. The model was developed by labeling the sample image cells taken from the fluorescence microscope and training them with the YOLO algorithm. Then, the results of two different models were examined and compared.