#20220367 DOKU VE HÜCRE GÖRÜNTÜLERİNİN İYİLEŞTİRİLMESİ

Günümüzde tıbbi görüntüleme, üst düzey ve pahalı mikroskoplar kullanılarak yapılmaktadır. Bu mikroskoplar, maliyetleri, hassas olmaları ve geniş kurulum alanlarına ihtiyaç duymaları sebebiyle erişilmesi zor ve uzman insan gücü gerektiren, kullanılması çok kolay olmayan cihazlardır. Bu zorluklardan yola çıkılarak, mikro ölçekte görüntülemeyi kolaylaştıracak yeni cihazlar geliştirilmiştir: Mobil Mikroskoplar. Bu mobil cihazlar yardımıyla mikro ölçekte, üst düzey mikroskop görüntüsüne yakın görüntüler elde etmek amaçlanmaktadır. Ancak bu cihazların donanımsal yetersizlikleri dolayısıyla, 100 kat (ve üzeri) görüntü yakınlaştırma oranlarında görüntüleme kalitesi kötüleşmekte ve gürültülü, bulanık, renk sapmaları olan düşük kontrast ve düşük kaliteli görüntüler elde edilmektedir. Bu projede bu tip biyomedikal görüntülerin işaret ve görüntü işleme yöntemleri ile iyileştirilmesi hedeflenmiştir. Geliştirilen yöntemle mobil mikroskoplardan elde edilen doku ve hücre görüntüleri temel bileşen analizi, iyi ışıklılık ve doygunluk haritalamaları, histogram eşleştirme ve çeşitli filtreleme yöntemleri kullanılarak iyileştirilmiştir. Önerilen görüntü iyileştirme çıktıları ile üst düzey bir mikroskop görüntü kalitesine yaklaşılmış olup, her türlü düşük maliyetli ve düşük çözünürlüğe sahip mikroskobik görüntüleme cihazlarına basit parametre değişimleriyle uyarlanabilir hale getirilmiştir. Ayrıca, alanyazında bulunan farklı algoritmalar ile istatistiksel olarak karşılaştırılmalar yapılmıştır. Yapılan testler ve analizler, geliştirilen özgün metodun, düşük maliyetli ve daha kolay tıbbi görüntüleme yapabilme yolunda, alanyazında bulunan algoritmalara göre daha başarılı olduğunu göstermektedir.

Bileşik mikroskop kullanımında bir artış gözlemlenmektedir. Tıbbi laboratuvarların çoğunun yüksek büyütme yetenekleri nedeniyle bu cihazlara olan ihtiyacı zamanla artmıştır. Ayrıca, görüntüleme verilerinin kusursuz olması gerektiğinden üst düzey donanımlı mikroskoplara olan ihtiyaç bir zorunluluk haline gelmiştir. Avantajlarının yanı sıra, bu üst düzey cihazların günlük kullanılabilirliği için çeşitli dezavantajları mevcuttur. Bu tip cihazlar için belli bir bütçeye ihtiyaç duyulmaktadır, pahalı objektif lensler ve oldukça hassas sensörler gerektirmektedirler. Yaygın olarak kullanılan bileşik ışık mikroskopların fiyatları bile küçük bütçeli laboratuvarlar tarafından kolayca karşılanamayacak kadar yüksek fiyatlardadır (900-2600$ arasındadır)(“SmartMicroOptics,” n.d.). Buna ek olarak, mikroskoplardaki görüntüyü sayısallaştırma için bu cihazlara entegre edilecek olan yüksek çözünürlükteki kamera sistemleri bu fiyatı azımsanamayacak miktarda arttırmaktadır (100-1500$) (“Microscope cameras,” n.d.). Bunun yanında, mikroskobik görüntüleme ve sayısallaştırma cihazları doğaları gereği küçük alanlı laboratuvarların karşılayamayacağı kadar geniş alanlara ve ek olarak uzman insan gücüne gereksinim duymaktadır. Bu ihtiyaçlara bağlı olarak da mobil mikroskoplar geliştirilmiştir. Bu proje, taşınabilir mobil mikroskop cihazlarından toplanan biyomedikal görüntüleri sanayide kullanılabilir seviyeye taşıyabilecek görüntü iyileştirme, görüntü keskinleştirme ve görüntünün toplanması sırasında karşılaşılan problemlere yönelik genelleştirilmiş bir algoritma/mekanizma tasarlamayı ve gerçeklemeyi amaçlamaktadır.

Bu projede hedeflenen, milyonlarca veri toplama zorluğu bulunan ve farklı doku görüntülerinde aynı performansı gösteremeyen derin sinir ağları yaklaşımı yerine, telefonun kamerasının amacı dışında kullanılmasından kaynaklı oluşan gürültüyü başarılı bir şekilde arındırmak, görüntüyü netleştirmek, keskinleştirmek ve farklı doku örneklerinde de aynı başarı oranlarına ulaşmaktır. Geliştirilmiş olan yeni algoritmik sistemin ana hatlarını temel bileşen analizi (PCA), iyi ışıklılık (WE) ve doygunluk haritalamaları oluşturmaktadır. PCA, WE ve doygunluk haritalamalarının diğer görüntü işleme ve görüntü birleştirme problemlerinde ayrı ayrı veya birleşik olarak kullanıldığı görülmüştür; örneğin, Karakaya ve ark. (Karakaya, Ulucan, & Turkan, 2021) Ancak, bu projede bahsedilen probleme ilk defa ve literatürden daha farklı yaklaşımlar ile uyarlanmışlardır. Buna ek olarak, renk kanalları arasında yapılan histogram eşitleme ile kaynak görüntü/kanal sayısının artırılması bir özgünlük taşımaktadır. Bu özgün yöntemler çerçevesinde yeni bir algoritma tasarlanmış olup mobil telefon mikroskoplarının görüntü kalitesi iyileştirilmektedir. Böylece, oldukça önemli pazarı olan düşük bütçeli mikroskopların kullanımını sınırlayan problemler ele alınarak profesyonel, yüksek bütçeli mikroskop düzeyine yakınlaştırmak hedeflenmiştir.

Projenin yapılabilirliği ve uygulanabilirliği yüksektir.

• Buades, A., Coll, B., & Morel, J.-M. (2005). A Non-Local Algorithm for Image Denoising. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05). IEEE. • Fu, Y. (2006). Color image quality measures and retrieval (Ph.D.). New Jersey Institute of Technology. • Granot, Y., Ivorra, A., & Rubinsky, B. (2008). A new concept for medical imaging centered on cellular phone technology. PloS One, 3(4), e2075. doi:10.1371/journal.pone.0002075 • Gupta, S., & Purkayastha, S. S. (2012). Image enhancement and analysis of microscopic images using various image processing techniques. Proceedings of the International Journal of Engineering Research and Applications, 2(3), 44–48. • Hartman, D. J. (2016). Mobile technology for the practice of pathology. Advances in Anatomic Pathology, 23(2), 118–124. doi:10.1097/PAP.0000000000000093 • Karakaya, D., Ulucan, O., & Turkan, M. (2021). PAS-MEF: Multi-exposure image fusion based on principal component analysis, adaptive well-exposedness and saliency map. Retrieved from http://arxiv.org/abs/2105.11809 • Mertens, T., Kautz, J., & Van Reeth, F. (2009). Exposure fusion: A simple and practical alternative to high dynamic range photography. Computer Graphics Forum: Journal of the European Association for Computer Graphics, 28(1), 161–171. doi:10.1111/j.1467-8659.2008.01171.x • Microscope cameras. (n.d.). Retrieved May 11, 2022, from Microscope.com website: https://www.microscope.com/microscope-cameras • Rehm, L. (2018, February 6). Disruptive technologies in mobile imaging: Taking smartphone cameras to the next level. Retrieved May 11, 2022, from DxOMark website: https://www.dxomark.com/disruptive-technologies-mobile-imaging-taking-smartphone-cameras-next-level/ • Rivenson, Y., Ceylan Koydemir, H., Wang, H., Wei, Z., Ren, Z., Günaydın, H., … Ozcan, A. (2018). Deep learning enhanced mobile-phone microscopy. ACS Photonics, 5(6), 2354–2364. doi:10.1021/acsphotonics.8b00146 • SmartMicroOptics. (n.d.). Retrieved May 11, 2022, from Pitchbook.com website: https://pitchbook.com/profiles/company/462893-41 • Wang, Z., & Bovik, A. C. (2002). A universal image quality index. IEEE Signal Processing Letters, 9(3), 81–84. doi:10.1109/97.995823 • Zhan, K., Shi, J., Wang, H., Xie, Y., & Li, Q. (2016). Computational Mechanisms of Pulse-Coupled Neural Networks: A Comprehensive Review. • Zhan, K., Teng, J., Shi, J., Li, Q., & Wang, M. (2016). Feature-linking model for image enhancement. Neural Computation, 28(6), 1072–1100. doi:10.1162/NECO_a_00832 • Zuiderveld, K. (1994). Contrast limited adaptive histogram equalization. In Graphics Gems (pp. 474–485). Elsevier.

Bu proje ile birlikte görüntüsü iyileştirilmiş düşük bütçeli mikroskopların ve onların görüntü toplama sistemlerinin, profesyonel mikroskoplara göre daha çok tercih edilir hale gelmesi beklenmektedir. Mobil telefon mikroskobunun, standart bir masaüstü mikroskoba göre daha düşük maliyetli olması sebebiyle kullanımının yaygınlaşması, sağlık sektöründeki çeşitli mikro evren inceleme gereksinimi duyulan alanlarda araştırma ve incelemeyi pratik hale getirmesi ve dolayısıyla hızlı sonuç almayı sağlaması beklenmektedir. Bunun yanında, mikroskop görüntülerinin sayısallaştırmaya yarayan enstrümanların daha düşük bütçe ile sanayiye ulaşması beklenmektedir.

Geçtiğimiz yıllarda mobil telefon kameralarında gerçekleşen teknolojik iyileştirmeler, yüksek çözünürlük ve yüksek yakınlaştırma özelliklerinin gelişmesine yol açmıştır (Rehm, 2018). Mobil kameraların küçük boyutlu, düşük ağırlıklı ve düşük fiyatlı olmalarından dolayı çoğu medikal uygulamada yer almaya başlamıştır (Hartman, 2016). Telefon kameralarının mikroskobik inceleme amaçlı kullanılması ilk defa 2008 yılında Granot ve ark. (Granot, Ivorra, & Rubinsky, 2008) tarafından yapılan bir çalışma ile başlamıştır. 2008 yılından bugüne, mobil kamera ile üretilen düşük bütçeli cihazların sayısı oldukça artmıştır ve önemli bir pazara sahip olmuştur. Örneğin, 2016 yılında kurulan ve mobil telefonlar için mikroskop sistemleri üreten İtalya menşeli ve hızla büyüyen SmartMicroOptics’in hisse değeri 362 bin dolardır (“SmartMicroOptics,” n.d.). Ancak mobil telefon kameralarının donanımsal doğaları gereği spesifik uygulamalar için özelleştirilmesi ve gerekli düzenlemelerin yapılması gerekliliği de beraberinde getirmiştir. Bu özelleştirmeler fiziki/donanımsal ya da yazılımsal seviyelerde olabilmektedir. Örneğin, 2018 yılında Rivenson ve ark. (Rivenson et al., 2018) geliştirdikleri düşük bütçeli taşınabilir mobil mikroskoptaki görüntüleri iyileştirmek için derin sinir ağlarını kullanmışlardır. Bu yöntem ile görüntüdeki gürültüyü azaltmak, kaliteyi arttırmak ve renk değişimini düzeltmek amaçlanmıştır. Bunun yanında, Gupta ve Purkayastha (Gupta & Purkayastha, 2012) basit görüntü işleme yöntemleri ile normal mikroskoptan alınan görüntüleri iyileştirme ve renk dağılımını düzenlemeyi amaçlamışlardır. Literatürde belirtilen yöntemlere benzer yaklaşımlar vardır ve her biri farklı metotlar kullanarak problemi en optimize şekilde çözmeyi amaçlamıştır.