Geri Dön

Görüntü zenginleştirme ve hücresel ysa kullanarak meme kanseri teşhisi

Diagnosis of breast cancer using image enhancement and cellular neural networks

PDF İndir

  1. Tez No: 346424
  2. Yazar: LEVENT CİVCİK
  3. Danışmanlar: DOÇ. DR. YÜKSEL ÖZBAY
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Genetik Algoritma (GA), Görüntü Güçlendirme, Hücresel Yapay Sinir Ağı (HYSA), Mamogram, Mikrokalsifikasyon, Otomatik Kitle Yoğunluğunun Güçlendirilmesi (ALIE), Pektoral Kas, Automated Lesion Intensity Enhancer (ALIE), Cellular Neural Network (CNN), Genetic Algorithm (GA), Image Enhancement, Mammograms, Microcalcification, Pectoral Muscle
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Meme kanseri dünya genelinde yaygın bir sorundur. Türkiye?de meme kanseri her 8-10 kadından birisinde görülmekte ve Türk kadınları arasında akciğer kanserinden sonra ölüme neden olma açısından ikinci sırada yer almaktadır. Meme kanserinin en önemli belirtisi memede oluşan mikrokalsifikasyonlardır. Bununla beraber memede görünen kitlelerin benign (iyi huylu) veya malign (kötü huylu) olmasına göre sınıflandırılabilmesi hastalığın tedavisinde önemli bir rol oynamaktadır. Meme kanserini belirlemede çeşitli görüntüleme yöntemleri kullanılmaktadır. Mamografi, bu görüntüleme yöntemleri içinde en yaygın ve ucuz olanıdır. Fakat başarı yüzdesi uzman doktorun tecrübe ve dikkatine bağlıdır. Kadınlarda meme kanseri vakalarının erken teşhisi için mamogram görüntülerindeki mikrokalsifikasyonların ve kitlelerin sınıflandırılmasında, uzmanlara yardımcı olacak bir karar destek sistemi geliştirilmesi bu tez çalışmasında hedeflenmiştir. Geliştirilen Karar Destek Sistemi, ön işlem, güçlendirme, bölütleme ve sınıflandırma aşamalarından oluşmaktadır. Ön işlem adımında sayısal veya sayısallaştırılmış mamogram görüntüleri üzerinde görüntü boyutunun ayarlanması işlemi yapılmıştır. Daha sonra görüntü üzerinde gri formata dönüştürme, görüntü netleştirme işlemi uygulanmıştır. Güçlendirme aşamasında, mamogram görüntüleri için yeni geliştirilen Otomatik Kitle Yoğunluğunun Güçlendirilmesi (ALIE) algoritması uygulanmıştır. Bu algoritma histogram temellidir ve mamogram görüntülerindeki arka planın yoğunluk seviyesini düşürürken, anormal bölgelerin yoğunluk seviyesini güçlendirmektedir. Güçlendirme işleminde mamogram görüntüsündeki pektoral kas ve etiketli bölgelerin görüntüden çıkarımı opsiyoneldir. Bölütleme adımında, genetik algoritma ile eğitilmiş Hücresel Yapay Sinir Ağları (HYSA) kullanılarak mikrokalsifikasyon ve tümörler belirlenmiştir. HYSA?nın parametrelerinin belirlenmesi işleminde Genetik Algoritma için uygunluk fonksiyonu olarak korelasyon fonksiyonu kullanılmıştır. Sınıflandırma aşamasında, kitleleri ve mikrokalsifikasyonları belirlemek için görüntüler üzerinde şekil analizi kullanılarak sınıflandırma yapılmıştır. Mikrokalsifikasyon taneciklerinin ve kitlelerin mamogram görüntüleri üzerinde belirlenmesi amacıyla şekil analizine dayalı bir sınıflandırma fonksiyonu kullanılmıştır. Tez çalışmasında geliştirilen Karar Destek Sistemi, MIAS (The Mammography Image Analysis Society) veri tabanındaki etiketlenmiş 100 adet mamogram görüntü ve Necmettin Erbakan Üniversitesi Meram Tıp Fakültesi Radyoloji anabilim dalından 84 hastadan alınan etiketlenmiş, 286 adet mamogram görüntüden oluşan veri seti kullanılarak test edilmiştir. Geliştirilen Karar Destek Sistemi hastane verilerinden alınan 261 mamogram görüntünün 238?ini doğru, 23?ünü yanlış sınıflandırarak %93.1 duyarlılık ve %91.3 doğruluk değerine, MIAS verilerinden alınan 100 mamogram görüntünün 82?sini doğru, 18?ini yanlış sınıflandırarak %91.0 duyarlılık ve %82.0 doğruluk değerine ulaşmıştır. Hastane verilerinden 25 mamogram (261 mamogram görüntüden farklı) görüntü üzerinde, geliştirilen Karar Destek Sistemi ve uzman radyoloğun sınıflandırma değerlendirmesi yapılmıştır. Karar Destek Sistemi hastane verilerinden alınan 25 mamogram görüntünün 23?ünü doğru, 2?sini yanlış sınıflandırarak %95.2 duyarlılık ve %92.0 doğruluk değerine ulaşmıştır.

Özet (Çeviri)

Breast cancer is a common problem in global scale. It is seen in one of every 8 to 10 women in Turkey. Among the Turkish women in top 10 cancers, the incidence of breast cancer ranked second after lung cancer in terms of cause of death. The most important symptom of breast cancer is microcalcifications in breast. However, classification of the masses in breast as malignant or benign plays an important role in the treatment of the disease. There are various imaging modalities used in determining breast cancer. Mammography is the most common and the cheapest one of these imaging methods. However, the percentage of success depends on the experience and the attention of the attending. This thesis aimed to develop a decision support system for helping early detection of breast cancer among women and classification of microcalcifications and masses in mammogram images. The Developed Decision Support System consists of pre-processing, enhancement, segmentation and classification stages. Pre-processing step of the algorithm is image size adjustment of digital or digitized images and conversion to the gray image format and image sharpening processes are also applied. In the enhancement stage, the newly developed Automated Lesion Intensity Mammogram Images Enhancer (ALIE) algorithm is applied. This algorithm is based on the histogram analysis and it reduces the intensity level of the background while strengthening the abnormal regions in the mammogram images. In the enhancement process, extraction of the pectoral muscle and the labeled regions from mammogram images is optional. In the Segmentation step microcalcifications and tumors are determined using Cellular Neural Network (CNN) trained with genetic algorithm. In the process of determining the parameters of the CNN?s the correlation function is used as the fitness function for Genetic Algorithm. In the Classification phase, a function based on shape analysis of the emphasized images is used to classify the masses and microcalcifications. In this thesis the developed Decision Support System was tested with a data set consist of 100 mammogram images from MIAS (The Mammography Image Analysis Society), 286 images obtained from 84 patients from the Necmettin Erbakan University, Meram Medical Faculty Department of Radiology. The developed Decision Support System achieved 91.3% accuracy and 93.1% sensitivity rates by classifying 238 correctly and 23 incorrectly of 261 mammogram images obtained from hospital data. It also achieved 82.0% accuracy and 91.0% sensitivity rates by classifying 82 correctly and 18 incorrectly of 100 mammogram images obtained from MIAS database. 25 mammogram images, obtained from hospital database (different than the 261 mammogram images) was classified and evaluated by an expert radiologist and the developed decision support system. The test is performed with an experienced radiologist and the developed Decision Support System achieved 92.0% accuracy and 95.2% sensitivity rates by classifying 23 correctly and 2 incorrectly of 25 mammogram images obtained from hospital data.

Benzer Tezler

  1. Tez No

    183129

    Diş radyoraflarının bilgisayar tabanlı görüntü işleme teknikleriyle incelenmesi ve YSA kullanılarak sınıflandırılması

    Investigation of radiographs with computer based imagine and classification using ANN

    UĞUR ÖZBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Diş HekimliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. YÜKSEL ÖZBAY

  2. Tez No

    818583

    Development of mirna biomarkers for the differentiation between gingivitis and periodontitis: A pilot study

    Gingivitis ve periodontitis ayrımı için mirna biyobelirteçlerinin geliştirilmesi: Pilot çalışma

    DHAFIR LATIEF FAYADH FAYADH

    Doktora

    İngilizce

    İngilizce

    2023

    BiyokimyaSüleyman Demirel Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CALAPOĞLU

  3. Tez No

    517225

    Parçacık sürü optimizasyonu kullanarak çok amaçlı görüntü zenginleştirme

    Multi-objective image enhancement using particle swarm optimization

    MEHMET EMİN EROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER KAAN BAYKAN

  4. Tez No

    128905

    Digital fotogrametride manuel ve yarı otomatik yöntemlerin değerlendirme doğruluğuna etkisi üzerine bir araştırma

    An investigation on the effects of manuel and semi-automatic methods on the evaluation accuracy in digital photogrammetry

    HAKAN KARABÖRK

    Doktora

    Türkçe

    Türkçe

    2002

    Jeodezi ve FotogrametriSelçuk Üniversitesi

    Jeodezi ve Fotogrametri Ana Bilim Dalı

    PROF. DR. FERRUH YILDIZ

  5. Tez No

    483681

    Farklı görüntü sınıflandırma ve iyileştirme metotlarının arazi kullanım/arazi örtüsü haritalamasına etkilerinin incelenmesi

    Investigation of the effects of different image classification and enhancement methods on land use/land cover mapping

    HOSHMAND AHMED AZEEZ AL-SHATERI

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Jeodezi ve FotogrametriAksaray Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MÜGE AĞCA

Geri Dön