استخراج ساختار سلولهای اووسیت بالغ موش سوری از تصاویر میکروسکوپی
/شیوا اسدزاده
: مهندسی برق وکامپیوتر
، ۱۳۹۵
، افشاری
چاپی
کارشناسی ارشد
مهندسی پزشکی
۱۳۹۵/۰۶/۱۷
دانشگاه تبریز
یکی از زمینههای مهم تحقیقاتی زیستصشناسان، مربوط به شاخهای تحت عنوان جنینشناسی است .سلولهای اووسیت، یک نقش اساسی در پیدایش جنین ایفا میکنند .خصوصیات اووسیت از معیارهای پیشبینی مهم است، از اینرو، مطالعه ساختار این سلولها، برای ارتقای تکنیکهای کمک باروری و تشکیل جنینهای مناسب حائز اهمیت خواهد بود .هر سلول اووسیت، دارای نواحی هسته، سیتوپلاسم، جسم قطبی، زوناپلاسیدا و فضای پرهصویتلین است .معیارهای پیشبینی کیفیت این سلولها، با اندازه دقیق نواحی سلول و میزان ذرات موجود در سیتوپلاسم آن، ارتباط دارند بنابراین برای تحلیل کمی و استخراج دقیق اطلاعات مربوط به این سلولها، در این تحقیق، هدف بهرهگیری از روشهای پردازش تصویر جهت استخراج اطلاعات موردصنیاز است .به همین منظور، از روش ردیابی کانتور همسایگی مور برای استخراج نقاط مرزی نواحی مختلف سلول استفاده میشود .همچنین، پس از بخشبندی نواحی سلول، برای تعیین میزان ذرات ناحیه سیتوپلاسم، ویژگیهای ساختاری مربوط به ماتریس پیشامد سطح خاکستری مورد استفاده قرار میگیرد .رتبهبندی این سلولها از لحاظ میزان ذرات موجود در سیتوپلاسم نیز، توسط الگوریتم شبکه عصبی نگاشت خودسازمانده انجام میشود .نرخ موفقیت الگوریتم پیشنهادی در مرحله بخشبندی، حدود ۴۸/۸۲ درصد و در مرحله خوشهبندی، حدود ۹۱ درصد محاسبه شده است
One of the important fields of biologists research, is Embryology. Oocyte plays a fundamental role in fertilization and embryogenesis. Indeed, oocyte quality is a significant prognostic factor, therefore, the study of oocyte structure is important, to improve assisted reproductive technologies and high quality embryo production. Each oocyte, has nucleus, cytoplasm, polar body, zona pellucida areas and perivitelline space. Oocyte quality prognostic factors, depend on the exact size of these areas and the amount of particles in the cytoplasm. In this thesis, goal is use of image processing methods to extract this information. In this study, Moore neighborhood contour tracking method is used to extract cell different areas boundary points. Also, after the cell areas segmentation, to determine the amount of particles in the cytoplasm area, the texture features of the gray-level co-occurrence matrix are used. These cells clustering in terms of the amount of particles in the cytoplasm of oocytes, is performed by self-organizing map neural network algorithm. The success rate of the proposed algorithm is calculated in the segmentation stage about 82/48 percent and in the clustering stage about 91 percent :