Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Spectral imaging and machine learning technologies for automation of diagnostic microscopy

Gialitakis Emmanouil

Simple record


URIhttp://purl.tuc.gr/dl/dias/870CD3C4-73D7-4B52-87DE-B9FFA3BBBBEE-
Identifierhttps://doi.org/10.26233/heallink.tuc.90000-
Languageen-
Extent92 Pagesen
Extent4.6 megabytesen
TitleSpectral imaging and machine learning technologies for automation of diagnostic microscopyen
TitleΤεχνολογίες φασματικής απεικόνισης και μηχανικής μάθησης για την αυτοματοποίηση της διαγνωστικής μικροσκοπίαςel
CreatorGialitakis Emmanouilen
CreatorΓιαλιτακης Εμμανουηλel
Contributor [Thesis Supervisor]Balas Costasen
Contributor [Thesis Supervisor]Μπαλας Κωσταςel
Contributor [Committee Member]Zervakis Michailen
Contributor [Committee Member]Ζερβακης Μιχαηλel
Contributor [Committee Member]Lagoudakis Michailen
Contributor [Committee Member]Λαγουδακης Μιχαηλel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryMicroscopy for years is an instrumental technology for analyzing tissue samples and locating cancerous cells. The biopsy is a process that can last for several days and is crucial, since the doctor will decide on the most suitable treatment depending on the results. The goal of this thesis is to speed up the process of analyzing a biopsy by using image stitching algorithms. By creating high-resolution mosaics of the samples, it will be easier for different doctors to examine the same sample, while being located in a different area or re-examine the same sample, if needed. The chosen algorithm for stitching is SIFT, which is distinguishable among other algorithms due to its high accuracy. At the same time, the main disadvantage that needs to be mended is the time needed to complete a stitching due to its high complexity. Using various techniques aiming to reduce the elapsed time, like reducing the image size to be analyzed each time and defining regions of interest in the images, can reduce the time needed. By applying those techniques, it is possible to speed up the average time of a single horizontal stitch by approximately four times. These results suggest that it will be viable for the algorithm to be used in a microscope, reducing the time of analysis of the samples.en
Content SummaryΗ μικροσκοπία εδώ και αρκετά χρόνια αποτελεί σημαντικό εργαλείο στην ανάλυση δειγμάτων ιστού και στον εντοπισμό καρκινικών κυττάρων. Η βιοψία είναι μια διαδικασία που μπορεί να χρειαστούν αρκετές μέρες για να ολοκληρωθεί και είναι κρίσιμης σημασίας καθώς ο γιατρός θα χρειαστεί να επιλέξει την κατάλληλη θεραπεία σύμφωνα με τα αποτελέσματα. Στόχος της συγκεκριμένης διπλωματικής είναι να επιταχύνει τη διαδικασία ανάλυσης μιας βιοψίας αξιοποιώντας αλγορίθμους image stitching. Κατασκευάζοντας ένα μωσαϊκό εικόνων του δείγματος υψηλής ανάλυσης, θα είναι ευκολότερο για διαφορετικούς γιατρούς να εξετάσουν το ίδιο δείγμα ενώ βρίσκονται σε διαφορετικές περιοχές είτε να γίνει επανεξέταση του ίδιο δείγματος σε περίπτωση που κριθεί απαραίτητο. Ο αλγόριθμος που επιλέχθηκε για αυτή την διαδικασία ονομάζεται SIFT, ο οποίος ξεχωρίζει ανάμεσα σε άλλους αλγόριθμους του ίδιου είδους λόγω της υψηλής του ακρίβειας. Την ίδια στιγμή, το βασικό μειονέκτημα που χρειάζεται να βελτιωθεί είναι ο χρόνος που χρειάζεται να ολοκληρωθεί ενα stitching, λόγω της υψηλής του πολυπλοκότητας. Χρησιμοποιώντας διάφορες τεχνικές που στοχεύουν στην μείωση του χρόνου ολοκλήρωσης μίας διαδικασίας stitching, όπως η μείωση του μεγέθους της εικόνας που θα αναλυθεί ή ο ορισμός περιοχής ενδιαφέροντος, είναι δυνατόν να μειωθεί ο χρόνος που απαιτείται. Εφαρμόζοντας αυτές τις τεχνικές είναι δυνατό να επιταχύνουμε το χρόνο που απαιτείται για να ολοκληρωθεί ένα οριζόντιο stitch, κατά σχεδόν τέσσερις φορές. Αυτά τα αποτελέσματα υποδεικνύουν ότι είναι εφικτή η χρήση του αλγόριθμου στο μικροσκόπιο, μειώνοντας το χρόνο που απαιτείται για την ανάλυση των δειγμάτων. el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2021-08-23-
Date of Publication2021-
SubjectMachine learningen
SubjectImage Stitchingen
SubjectSpectral imagingen
SubjectDiagnostic microscopyen
Bibliographic CitationEmmanouil Gialitakis, "Spectral imaging and machine learning technologies for automation of diagnostic microscopy", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2021en
Bibliographic CitationΕμμανουήλ Γιαλιτάκης, "Τεχνολογίες φασματικής απεικόνισης και μηχανικής μάθησης για την αυτοματοποίηση της διαγνωστικής μικροσκοπίας", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2021el

Available Files

Services

Statistics