Molecular Biology and Genetics / Moleküler Biyoloji ve Genetik

Permanent URI for this collectionhttps://hdl.handle.net/11147/9

Browse

Filters

2014 - 201922020 - 20232

Settings

Author: search.filters.author.Pesen Okvur, DevrimScopus Q: search.filters.scopusQuartile.N/A

Search Results

Now showing 1 - 4 of 4
  • Book Part
    Citation - Scopus: 1
    Automated Analysis of Phase-Contrast Optical Microscopy Time-Lapse Images: Application To Wound Healing and Cell Motility Assays of Breast Cancer
    (Elsevier, 2023) Erdem, Yusuf Sait; Ayanzadeh, Aydın; Mayalı, Berkay; Balıkçı, Muhammed; Belli, Özge Nur; Uçar, Mahmut; Yalçın Özuysal, Özden; Pesen Okvur, Devrim; Önal, Sevgi; Morani, Kenan; Iheme, Leonardo Obinna; Töreyin, Behçet Uğur
    This chapter describes a workflow for analyzing phase-contrast microscopy (PCM) data from two fundamental types of biomedical assays: assays for cell motility and assays for wound healing. The workflow of the analysis is composed of the methods for acquiring, restoring, segmenting, and quantifying biomedical data. In the literature, there have been separate methods aimed at specific stages of PCM data analysis. Nonetheless, there has never been a complete workflow for all stages of analysis. This work is an innovation that proposes an end-to-end workflow for image pre-processing, deep learning segmentation, tracking, and quantification stages in cell motility and wound healing assay analyses. The findings indicate that domain knowledge can be used to make simple but significant improvements to the results of cutting-edge methods. Furthermore, even for deep learning-based methods, pre-processing is clearly a necessary step in the workflow. © 2023 Elsevier Inc. All rights reserved.
  • Research Project
    Nanometre ölçeğinde yapışma: ğöğüs kanseri hücreleri ve normal epitel hücreler
    (TÜBİTAK - Türkiye Bilimsel ve Teknolojik Araştırma Kurumu, 2014) Pesen Okvur, Devrim
    Hücrelerarası maddeye hücre yapışması hem sağlık hem de hastalık durumları için önemli bir süreçtir. Topografik olarak düz ve başka kimyasal, topografik ya da sertlik ile ilgili işlevsellik getirmeyen ve daha önemlisi canlıdaki hücrelerarası madde düzenlenmesini taklitleyen yüzey protein desenleri arzu edilmektedir. Daha önceki çalışmalar göstermiştir ki vinkülin ve hücre iskeletinin düzenlemesi yüzey nanodesenlerinin büyüklüğü ve şekli ile değişmektedir. Fakat, protein nanodesenlerinin mikrometre ölçeğindeki aralıklarına bağlı olarak normal ve kanserli hücrelerin morfolojileri ve odaksal yapışmalarının karşılaştırmalı sayısal analizi eksiktir. Burada, elektron demeti litografisi kullanılarak silikondan farklı olarak şeffaf ve böylece birçok mikroskop tekniğine uygun olan indiyum kalay oksit (İTO) üzerinde K-kazein arka planında (tek aktif) ve laminin arka planında (çift aktif) mikrometre ölçeğinde aralıklarla fibronektin (FN) nanonoktaları desenlenmiştir. Yazım zamanları mikrometre ölçeğinde adım büyüklükleri ile çizgi yazım modu kullanılarak önemli ölçüde kısaltılmıştır. FN nanonoktalarının mikrometre ölçeğinde 2, 4, 8 mikron ve değişken aralıkları hem meme kanseri hücreleri hem de normal meme epitel hücrelerinde hücre yapışmasını hücre alanı, hücre simetrisi, aktin düzenlenmesi, odaksal yapışma sayısı, alanı ve daireselliği ile hem durgun hem de akış koşullarında değiştirmiştir. Toplamda hücre davranışının görünen eşik değeri olarak 4 mikron aralıkta değiştiği gösterilmiştir. Sonuçlar gösterdi ki hücre yapışması bağlamında meme kanseri hücreleri ile normal meme epitel hücreleri arasında, özellikle çift aktif bileşenli yüzeylerde belirgin farklar bulunmaktadır: Meme kanseri hücreleri normal meme epitel hücrelerinden daha dinamik ve esnek bir yapışma profili sergilemişlerdir. Bu çalışmanın yeniliği ve özgünlüğü aşağıdaki noktalar ile elde edilmiştir: - İTO yüzeyler üzerinde ilk elektron demeti litografisi ve sadece protein bazlı desenlemenin gerçekleştirilmesi. - Meme kanseri hücreleri ve normal meme epitel hücrelerinin nanometre ölçeğindeki protein desenleri üzerinde yapışmalarının ilk karşılaştırmalı ve sayısal analizi. - Laminin arkaplanı üzerinde FN nanonoktaları şeklinde çift aktif yüzey desenleri üzerinde ilk hücre yapışması çalışması. - Gradyan aralıklı nanometre ölçeğinde protein desenleri üzerinde ilk hücre yapışması çalışması. - Nanometre ölçeğinde protein desenleri üzerinde durgun ve akış koşullarında hücre yapışmasının ilk karşılaştırmalı çalışması.
  • Conference Object
    Citation - Scopus: 2
    Yara İyileşmesi Mikroskopi Görüntü Serilerinin Otomatik Analizi - Bir Ön-çalışma
    (IEEE, 2020) Mayalı, Berkay; Şaylığ, Orkun; Yalçın Özuysal, Özden; Pesen Okvur, Devrim; Töreyin, Behçet Uğur; Ünay, Devrim
    Collective cell analysis from microscopy image series is important for wound healing research. Computer-based automation of such analyses may help in rapid acquisition of reliable and reproducible results. In this study phase -contrast optical microscopy image series of an in-vitro wound healing essay is manually delineated by two experts and its analysis is realized, traditional image processing and deep learning based approaches for automated segmentation of wound area are developed and their perlOrmance comparisons are carried out.
  • Conference Object
    Citation - WoS: 7
    Citation - Scopus: 11
    Cell Segmentation of 2d Phase-Contrast Microscopy Images With Deep Learning Method
    (Institute of Electrical and Electronics Engineers Inc., 2019) Ayanzadeh, Aydın; Yağar, Hüseyin Onur; Yalçın Özuysal, Özden; Pesen Okvur, Devrim; Töreyin, Behçet Uğur; Unay, Devrim; Önal, Sevgi
    The quantitative and qualitative ascertainment of cell culture is integral to the robust determination of the cell structure analysis. Microscopy cell analysis and the epithet structures of cells in cell cultures are momentous in the fields of the biological research process. In this paper, we addressed the problem of phase-contrast microscopy under cell segmentation application. In our proposed method, we utilized the state-of-the-art deep learning models trained on our proposed dataset. Due to the low number of annotated images, we propose a multi-resolution network which is based on the U-Net architecture. Moreover, we applied multi-combination augmentation to our dataset which has increased the performance of segmentation accuracy significantly. Experimental results suggest that the proposed model provides superior performance in comparison to traditional state-of-the-art segmentation algorithms.