Geri Dön

Wavelet based tumor detection and its application on mammograms

Mamogramlarda dalgacık tabanlı yöntemle tümör belirleme

  1. Tez No: 200764
  2. Yazar: BURAK TÜYSÜZ
  3. Danışmanlar: DOÇ. DR. GÜLAY TOHUMOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Tümör belirleme, kaldıraç düzenli algoritma, dalgacık dönüşümü, matematiksel morfoloji, Tumor detection, lifting scheme, wavelet transform, mathematical morphology
  7. Yıl: 2007
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 62

Özet

Göğüs kanseri vakalarının kadınlarda görülme sıklığı son yıllarda önemli bir artış göstermektedir ve tüm dünyada önemli bir sağlık problemi olmaya devam etmektedir. Göğüs kanserinin sebepleri hala bilinmemektedir, bu yüzden kanserin erken teşhisi, tedavi ve ölüm oranının azaltılması için çok önemlidir. Mamografi, göğüs kanserinin erken teşhisinde en güvenilir ve yaygın metot olarak kabul görmektedir. Bununla birlikte, iyi yetişmiş radyolojist bulmak her zaman mümkün olamayabilir ve radyolojistlerin mamogramları kusursuz ve hızlı bir şekilde değerlendirmeleri oldukça zor olabilmektedir. Mamogramlarda ki tümör tespitinde radyolojistlerin tahmin hassasiyeti yalnızca %75 oranındadır. Göğüs kanserinde bilgisayar destekli sistemler, anormalliklerin erken ve hızlı tespiti ve tanısı, radyolojistler için bir gerekliliktir. Radyolojistlere ikinci bir fikir vererek yardımcı olmak için anormalliklerin belirlenmasinde çeşitli teknikler kullanılabilir. Bu tezde, dijital mamogramlar matematiksel morfoloji ve kaldıraç düzenli dalgacık dönüşümü kullanılarak analiz edilmiştir. Tümör belirleme algoritmaları ön işleme, iyileştirme ve bölütleme aşamalarından oluşur. Bu tezin orijinalliği yada katkısı iyileştirme aşamasında kaldıraç düzenli dalgacık dönüşümünün kullanılmasıdır. Böylece, değiştirilmiş tümör belirleme algoritması, Kaldıraç Tabanlı İyileştirme Algoritması (KTİA) olarak adlandırılmıştır. Dijital mamogramlarda gürültü 2 arındırma işleminden önce matematiksel morfoloji kontrast iyileştirme işlemi için uygulanmıştır. Dalgacık dönüşümünün kaldıraç düzeni, gürültü arındırma aşamasında kullanılmıştır. Kaldıraç düzenli dalgacık dönüşümünün alışılmış kesikli dalgacık dönüşümüne (DWT) göre çok önemli iki avantajı vardır. Birincisi, kolaylıkla işaretin mükemmel bir şekilde yeniden oluşumuna olanak sağlaması, ikincisi ise gerçek zamanlı işlemleri hızlandırması, böylece fazladan bellek kullanımına gerek kalmamasıdır. Uyarlanmış tümör belirleme algoritmasının (KTİA) uygulamaları Mamographic Image Analysis Society (MIAS) veri bankasından alınan yaklaşık 100 dijital mamogram üzerinde yapılmıştır. Kaldıraç tabanlı iyileştirme algoritması, iyileştirme aşamasında iyi resim kalitesi sağlamıştır; ek olarak problemli bölgelerin hızlı ve kolay belirlenmesine olanak sağlamıştır. Bölütleme aşamasında ise problemli bölgeler açıkça tanımlanmıştır. Bazı ilginç uygulamalar görsel olarak verilmiş ve sonuçları tartışılmıştır. Sonuç olarak yeni algoritma, daha iyi ölçülebilir tepe işaret gürültü oranı (PSNR) ve kontrast geliştirme indisi (CII) değerleri, ayrıca görsel olarak da tümör belirlenmiş alanlar için daha iyi sonuçlar vermektedir. Aynı zamanda Gaziantep Üniversitesi, Tıp Fakültesi, Radyoloji anabilim dalı başkanından görsel sonuçlar hakkında görüş alınmıştır. Bu görüş doğrultusunda kütlelerin kenarlarının belirlenmesinde ve dijital mamogramların değerlendirilmesinde adı gecen algoritmanın yardımcı olabileceği belirtilmiştir.

Özet (Çeviri)

The high incidence of breast cancer in women has increased significantly in recent years and it persists to be a significant health problem in the world. The reasons of breast cancer is still unknown so early detection of cancer is very important for medical treatment and decreasing the cases of death. Mammography is considered the most reliable and common method in early detection of breast cancer. However, it is difficult for the radiologists to provide accurate and fast evaluation of mammograms. The estimated sensitivity of radiologists in detecting tumors from mammograms is only about 75%. Breast cancer Computer Aided Diagnosis systems can be vital for radiologists for detection and diagnosing abnormalities earlier and faster. Several techniques can be used to accomplish the task of detection abnormalities to help radiologists having a second opinion. In this thesis, digital mammograms are analyzed using mathematical morphology and lifting scheme of wavelet transform. Tumor detection algorithms follow preprocessing, enhancement and segmentation steps. The novelty or contribution of the thesis is usage of Lifting Scheme of wavelet transform in enhancement step. Thus, the modified tumor detection algorithm is called Lifting Scheme Based Enhancement Algorithm (LSBEA). Mathematical morphology used for contrast enhancement of digital mammograms before denoising. The lifting scheme of wavelet transform is used in denoising step. The lifting scheme has two extremely useful advantages over regular Discrete Wavelet Transform (DWT). Firstly, it 2 enables easy perfect reconstruction and secondly speeds up real time calculations, thus does not need extra memory allocation. The evaluation of the modified detection algorithm LSBEA is carried out on approximately 100 digital mamaograms from Mammographic Image Analysis Society (MIAS) dataset. The lifting scheme based enhancement algorithm has provided superior image quality in enhancement step, and furthermore, fast and easy way to the detection of problematic areas. In the segmentation phase, the problematic areas defined clearly. Some of interesting applications are given illustratively and their results are discussed. It is concluded that the new algorithm LSBEA gives higher Peak Signal to Noise Ratio (PSNR) and Contrast Improvement Index (CII), values, quantitatively and better results visually for the tumor detected areas. Also, these results are discussed with the head of major discipline of radiology, Medicine Faculty, University of Gaziantep. His opinion is that it could be helpful to find the edges of masses for the evaluation of the digital mammograms.

Benzer Tezler

  1. MR kafa görüntülerinde tümör deteksiyonu için simetri temelli parametrelerin belirlenmesi

    Determination of symmetry based parameters for tumor detection in MR head images

    ALİ FERSAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ.DR. ZÜMRAY DOKUR

  2. Skin cancer diagnosis based on machine learning techniques

    Makine öğrenme tekniklerine göre deri kanseri teşhisi

    NECHIRVAN ASAAD MAJEED ZEBARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET EMİN TENEKECİ

  3. Diagnosis of brain cancer and contour normal tissue for radiation therapy based on deep learning methods

    Derin öğrenme yöntemleriyle radyoterapi için beyin kanseri tanisi ve normal doku ayrimi

    NAVID HALILI

    Doktora

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    PROF. DR. MUSTAFA DOĞAN

  4. Employ the wavelet transforms and artificial neural networks for early detection and classification of breast canser based on statistical features of medical images

    Tıbbi görüntülerin istatistiksel özelliklerini kullanarak dalgacık dönüşümü ve yapay sinir ağları yardımıyla meme kanserinin erken teşhisi ve sınıflandırılması

    KARZAN FAIDHI HAMAD

    Doktora

    İngilizce

    İngilizce

    2024

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. BÜLENT ÇELİK

    DR. ÖĞR. ÜYESİ RİZGAR MAGHDED AHMED

  5. Beyin mr görüntülerinin dalgacık dönüşümü ve özörgütlemeli harita ağları kullanılarak bölütlenmesi

    Segmentation of brain mr images using wavelet transform and self organizing maps neural network

    AYŞE DEMİRHAN

    Doktora

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. İNAN GÜLER