Meme görüntülerindeki anormal yapıların bilgisayar destekli tespiti

Abstract

MEME GÖRÜNTÜLERİNDEKİ ANORMAL YAPILARIN BİLGİSAYAR DESTEKLİ TESPİTİ Bilgisayar destekli tespit sistemleri, tıbbi görüntülerdeki anormal yapıların tespitinde, radyoloji uzmanlarına ikinci bir fikir sağlamak amacıyla geliştirilen sistemlerdir. Bu tez çalışmasında, mamogramlar üzerinde görülen kitlelerin bilgisayar destekli tespiti amaçlanmıştır. Bilgisayar destekli tespit sistemleri genel olarak dört aşamadan oluşmaktadır. Bu aşamalar sırasıyla, görüntü ön-işleme, bölütleme, özellik çıkarımı ve sınıflandırma olarak adlandırılır. İlk üç aşamada kullanılan yöntemler, C# programlama dilinde yazılan Medical Pels adını verdiğimiz bilgisayar aracılığıyla uygulanmıştır. Sınıflandırma aşamasında ise Rapid Miner kullanılmış ve en iyi sınıflandırma başarısını gösteren beş yöntem incelenmiştir. Görüntü ön-işleme aşamasında, histogram eşitleme, morfolojik filtreleme, alçak geçiren ve yüksek geçiren uzaysal filtreleme yöntemleri kullanılarak, bu yöntemlerin bölütleme ve sınıflandırma aşamalarına etkileri incelenmiştir. Bölütleme aşamasında, otomatik eşikleme yöntemleri kullanılmıştır. Bölütleme aşaması sonucunda elde edilen bölgelerin birbirlerinden ve görüntünün arka planından ayırt edilebilmesi için bağlantılı bileşen etiketleme algoritması kullanılmıştır. Son olarak sınıflandırma işlemleri gerçekleştirilmiştir. Sınıflandırma işlemleri sonucunda, en iyi sonuçları veren sınıflandırma yöntemleri Yapay Sinir Ağları ve Destek Vektör Makineleri olarak gözlemlenmiştir.

COMPUTER AIDED DETECTION OF THE ABNORMALITIES ON MAMMOGRAMS Computer aided detection systems provide a second opinion to the radiologists in order to diagnose abnormalities appearing on medical images. The purpose of this dissertation is detecting the masses appearing on mammograms. In general, computer aided detection systems involve four stages which are image pre-processing, segmentation, feature extraction and classification, respectively. Implementing of the methods of the first three stages was accomplished by a computer program which was developed by using C# programming language and named as Medical Pels. For the classification stage of the system, RapidMiner program was used and the results were analyzed. Histogram equalization, morphological filtering, low-pass and high-pass spatial filtering techniques were used for image pre-processing and effects of these techniques to the segmentation and classification were observed. For segmentation, automatic thresholding algorithms were used. Connected component labeling algorithm was used to isolate the areas from each other and from the background. Finally, classification of the areas was achieved by using RapidMiner. The best classification performance was produced by Artificial Neural Networks and Support Vector Machines.