Bilgisayarlı tomografi görüntülerinde üç boyutlu şablonlar kullanılarak kolonik polip tespiti
The colonic polyp detection using 3d templates in computed tomography colonography
- Tez No: 232451
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN, YRD. DOÇ. DR. ONUR OSMAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 157
Özet
Kalın bağırsak kanseri (kolon kanseri), kolon iç yüzeyini örten ve tabaka içine doğru büyüyüp şişlik olarak tanımlanan poliplerden gelişir. Kolon kanserleri daha çok gelişmiş batı ülkelerinde görülür. Kolonik poliplerin erken teşhisi oldukça önemlidir. Tarama teknikleri ile henüz kansere dönüşmemiş kolonik polipleri ve erken dönem lokalize kanserleri saptamak ve tedavi etmek mümkündür. Bu yüzden kolon kanserleri önlenebilir ve tedavi edilebilir bir hastalıktır. Gaytada gizli kan testi, baryumlu kolon grafileri, sigmoidoskopi ve kolonoskopi kolon kanserlerinin erken tanısında kullanılan tarama yöntemleridir. Bilgisayarlı Tomografi (BT) Kolonografi (Computed Tomography Colonography) veya diğer ismiyle sanal kolonoskopi (virtual colonoscopy), polip tespiti için bütün kolonu tarayan yeni bir tarama yöntemidir. Bununla birlikte, Bilgisayar-Destekli Tespit (BDT) (Computer-Aided Detection (CAD)) son yıllarda, ileri örüntü tanıma (pattern recognition) ve görüntü işleme yöntemlerini kullanarak radyoloji uzmanlarına BT kolonografi görüntülerindeki poliplerin tespitinde yardımcı olan yazılımlardır. BDT ile birlikte radyologların yorum yapma sürelerinin düşürülmesi ve aynı zamanda polip tespitinde tanı doğruluk yüzdesinin arttırılması sağlanabilmektedir.Bu tez çalışmasında literatürdeki çalışmalara alternatif olabilecek, kolonik polip tespiti için yeni bir BDT sistemi geliştirilmiştir. Önerilen BDT, üç bölümden oluşmaktadır. Birinci bölümde, BT kolonografi görüntülerinin önce genetik algoritma kullanılarak eğitilmiş hücresel yapay sinir ağları ile bölütlendirilmiştir. Bölütlendirme işlemi hem kolonik polip tespit duyarlılığının arttırılması hem de yanlış pozitif sayısının azaltılması için yapılmıştır. Daha sonra bölütlenmiş BT kolonografi görüntüsü ile orjinal BT kolonografi görüntüsü arasında kural tabanlı bir işlem uygulanarak olası kolonik polip adaylarını içeren ilgi alanları belirlenmiştir. Aynı hastaya ait ilgi alanları, tek bir görüntüde toplanarak üç boyutlu hale getirilmiştir. İkinci bölümde, ilgi alanları görüntüsünden kolonik polipleri tespit etmek amacıyla şablon eşleme yöntemi kullanılmıştır. Bu yöntemde, polip anatomisine göre oluşturulmuş üç boyutlu şablonlar ile her bir ilgi alanı arasındaki benzerlik, üç boyutlu konvolüsyon kullanılarak ölçülmüştür. Şablon olarak; , ve piksel boyutlarındaki polip şablonları kullanılmıştır. Böylece ilk iki bölüm sonunda; , ve piksel boyutlarında şablonlar kullanılarak sırasıyla, hasta başına 14.9 YP oranı ile %100, 10 YP oranı ile %100 ve 9.2 YP oranı ile %80 tespit duyarlılığı bulunmuştur.Üçüncü bölümde, tespit edilen kolonik polip kitleleri, Dalgacık Dönüşümü (Wavelet transform) ve Destek Vektör Makineleri (DVM) (Support Vector Machine (SVM)) yöntemi kullanılarak sınıflandırılmıştır. Bu bölümde, Ayrık Dalgacık Dönüşümü yöntemi ile polip görüntülerinden öznitelik çıkarma işlemi gerçekleştirilerek dalgacık katsayılarından oluşan ve herbir görüntüye ait öznitelik vektörleri oluşturulmuştur. Hesaplanan dalgacık katsayılarının bazı istatikleri alınarak öznitelik vektörleri uzunluğuna düşürülmüştür. Bu vektörler DVM ağının girişi olarak alınmış ve doğrusal (linear), karesel (quadratic) ve radyal tabanlı fonksiyon (radial basis function) çekirdek (kernel) fonksiyonları kullanılarak kolonik polip kitleleri sınıflandırılmıştır. Sınıflandırma işleminin sonunda; tespit duyarlılığı, RTF çekirdek fonksiyonu ile %80, karesel çekirdek fonksiyonu ile %73.3 ve doğrusal çekirdek fonksiyonu ile %60 olarak bulunmuştur.
Özet (Çeviri)
Colon cancer arises from polyps covering the lining of the colon and defined as the growing panicula in the mucosal surface of the colon. Colon cancers are mostly seen in developed western countries. Early detection of colonic polyps is of vital importance for reducing the risk of deaths from colon cancer. Current colon cancer scanning techniques have enabled scientists to detect and cure both the polyps which have not yet been developed into cancer and early localized cancers. Thanks to these techniques, colon cancer is now a preventable and curable illness. Stool exams to detect occult (hidden) blood, barium enema, sigmoidoscopy and colonoscopy are early detection scanning techniques of colon cancer. Computed Tomography (CT) Colonography or also known as Virtual Colonoscopy is a new scanning method for screening the whole interior view of the colon for polyp detection. Besides this, Computer Aided Detection (CAD) has become very important software enabling the radiology experts to detect polyps in CT images by pattern recognition and advanced image processing methods. With the use of CAD, the time needed by radiologists for analyzing the polyps is reduced and the detection accuracy percentage is increased.In this study, a new CAD for polyp detection has been developed as an alternative to the previous studies in the literature. The proposed CAD constitutes of three parts. In the first part, CT colonography images are segmented by Cellular Neural Networks which are trained by genetic algorithm. The segmentation process is carried out for both increasing the colonic polyp detection sensitivity and decreasing the false positive number. Then, a rule based process is applied between segmented and original CT colonography images and the region of interests (ROI) is extracted for detect possible polyp candidates. ROI images belonging to the same patient are collected in one image and transformed to 3 dimensional images. In the second part, template matching method is used for detecting colonic polyps from ROI images. In this method, the similarities between 3 dimensional templates prepared on the basis of the polyp anatomy and each ROI images are calculated by the 3D convolution operator. , and cell size polyp templates are utilized as template. Therefore, the detection sensitivity is found as 100% with 14.9 false positives (FP) per patient, 100% with 10 FP per patient and 80% with 9.2 FP per patient respectively, using , and cell size polyp templatesIn the third part, detected colonic polyp masses are classified by Wavelet Transform and Support Vector Machine (SVM) methods. In this section, the features are taken from polyp images by discrete wavelet transform method. Then, feature vectors of each image, formed by wavelet coefficients are obtained. Some statistics are taken from calculated wavelet coefficients and the feature vectors of the wavelet coefficients are reduced to length. These vectors are taken as inputs of network of SWM and colonic polyps are classified by using linear, quadratic and radial basis function (RBF) kernel functions. At the end of the classification task, the detection sensitivity rates for RTF, quadratic and linear kernel functions are calculated as 80%, 73.3% and 60% respectively.
Benzer Tezler
- Alt torakal ve üst lomber vertebra pediküllerinde bilgisayarlı tomografi ile yapılan morfometrik ölçümler
To evaluate the morphometric measuerment of lower thoracal and upper lumbar vertebrae pedicles by computer tomography
NECMETTİN ARAZ
Tıpta Uzmanlık
Türkçe
2014
NöroşirürjiMersin ÜniversitesiCerrahi Tıp Bilimleri Bölümü
DOÇ. DR. AHMET DAĞTEKİN
- Yüksek çözünürlüklü bilgisayarlı tomografi görüntülerinde kraniyofasiyal bölge yapılarının morfometrik olarak değerlendirilmesi
Morphometric evaluation of craniofacial region structures on high resolution computed tomography images
AYŞEGÜL AYRAN
- 3 boyutlu bilgisayarlı tomografi görüntülerinde oksipital kondil ölçümleri ile cinsiyetin değerlendirilmesi
Evaluation of sex with occipital condyle measurements on three-dimensional computed tomography images
HARUN YILDIZ
Tıpta Uzmanlık
Türkçe
2022
Adli TıpPamukkale ÜniversitesiAdli Tıp Ana Bilim Dalı
PROF. DR. AYŞE KURTULUŞ DERELİ
- Bilgisayarlı tomografi görüntülerinde kolonik polip tespiti
Detection of colonic polyps in computed tomographic images
GÖKALP TULUM
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiHaberleşme Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT BOLAT
- Konik ışınlı bilgisayarlı tomografi görüntülerinde canalis sinuosus'un ve bununla ilişkili aksesuar kanalların incelenmesi
Investigation of canalis sinuosus and related accessory canals in cone-beam computed tomography images
HATİCE TETİK
Diş Hekimliği Uzmanlık
Türkçe
2022
Diş HekimliğiGazi ÜniversitesiAğız, Diş ve Çene Radyolojisi Ana Bilim Dalı
PROF. DR. ZÜHRE AKARSLAN