Geri Dön

Bilgisayar destekli teşhis sistemi ile mamografi görüntülerinin sınıflandırılması

Classification of mammographic images via computer aided diagnosis system

  1. Tez No: 324643
  2. Yazar: NEBİ GEDİK
  3. Danışmanlar: YRD. DOÇ. DR. AYTEN ATASOY
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 124

Özet

Meme kanseri, özellikle kadınlarda kansere bağlı ölümlerin en sık nedenlerinden olup tüm kadın kanserlerinin %23'ünü teşkil etmektedir. Meme kanserini henüz kesin önleyen bir yöntem yoktur. Kanserle mücadelede erken teşhis ve tanı çok önemlidir. Günümüzde, tanısında radyoloğa yardımcı olacak otomatik algılama sistemleri üzerine araştırmalar yapılmaktadır. Bu otomasyon sistemlerine Bilgisayar Destekli Teşhis (BDT) sistemi denilmektedir. BDT yazılımları, radyoloji uzmanlarına medikal görüntülerdeki anormalliklerin tespitinde ikinci bakış olarak görev yapmaktadır. Teşhis konusunda nihai karar radyoloğa aittir.Bu çalışmada, Eğricik Dönüşümü (ED), Dalga Atom Dönüşümü (DAD), Temel Bileşen Analizi (TBA), Doğrusal Ayırıcı Analiz (DAA), Destek Vektör Makineleri (DVM), k-En yakın Komşuluk (k-EK) ve En Küçük Kareli Destek Vektör Makinelerinden (EK-DVM) oluşan melez BDT sistemleri sunulmaktadır. Oluşturulan sistemlerde, ilk olarak mamogramlarda şüpheli bölgeler top-hat dönüşümü, bottom-hat dönüşümü ve ortalama filtre kullanılarak, otomatik olarak belirlenmekte ve alt görüntüler oluşturulmaktadır. Daha sonra alt görüntülerden elde edilen veri setine özellik çıkarımı ve sınıflandırma işlemleri uygulanmaktadır. Sınıflandırma, görüntülerin önce normal-anormal olarak daha sonra anormal görüntülerin iyi huylu-kötü huylu olarak ayrıştırılmasını içermektedir. Özellik çıkarımı için ED ve DAD kullanılmakta ve sınıflandırma için DVM, k-EK ve EK-DVM karşılaştırmalı olarak uygulanmaktadır. TBA ve DAA yöntemleri özellik seçimi için kullanılmaktadır. Oluşturulan melez sistemlerde %100 sınıflandırma başarısına ulaşılmıştır.

Özet (Çeviri)

Breast cancer which is one of the most common cancers causing death, particularly among women, constitutes %23 of all types of cancerous cases among women. There is no way to prevent breast cancer yet. To fight against breast cancer, it is crucial to detect it in an early stage. Today, some researches on automated recognition systems which will help radiologists to scan mammograms are being done. These automated systems are called as ?Computer Aided Diagnosis Systems" (CAD). CAD software is used to ensure a second look on mammograms to assist radiologists using mammogram. There is no question that the ultimate determination is made by radiologists.In this study, a hybrid CAD system which consists of Curvelet Transform (CT), Wave Atom Transform (WAT), Principle Component Analysis (PCA), Linear Discriminant Analysis (LDA), Support Vector Machines (SVM), k-Nearest Neighbor (k-NN), Least Squares Support Vector Machines (LS-SVM) are presented. In the generated systems, firstly, suspicious areas in mammograms are determined by using top-hat transform, bottom-hat transform and average filter automatically and sets of sub-images are created. Following this process, feature extraction and classification operation are applied to the data set obtained from sub-images. Classification is performed in two stages as abnormal-normal of all the mammogram images and benign-malignant of the separated abnormal images. CT and WAT are used for feature extraction and SVM, k-NN and LS-SVM are applied for classification comparatively. LDA and PCA are used for feature selection. Successful classification results have been achieved at %100.

Benzer Tezler

  1. Evrışımsel sınır ağları ıle meme kanserı hıstopatolojık görüntülerının sınıflandırılması

    Classification of breast cancer histopathological images with convolutional neural networks

    KEVIN KIAMBE ASSA

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET BABALIK

  2. Mamografi görüntülerinde mikrokalsifikasyonların görünürlüğünün iyileştirilmesi ve sınıflandırılması için yeni yaklaşımlar

    The new approaches for the classification of microcalcifications in the visibility-enhanced mammogram images

    AYŞE AYDIN YURDUSEV

    Doktora

    Türkçe

    Türkçe

    2019

    Elektrik ve Elektronik MühendisliğiTokat Gaziosmanpaşa Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MAHMUT HEKİM

    DR. ÖĞR. ÜYESİ CANAN ORAL

  3. Mamografi görüntülerinin değerlendirilmesinde örüntü tanıma temelli bir karar destek sistemi

    A decision support system based on pattern recognition for evaluating of mammographic images

    ESMA KARABULUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı

    DOÇ. DR. İBRAHİM TÜRKOĞLU

  4. Sayısal mamografi görüntülerine yapay zeka yöntemlerinin uygulanması

    The application of artificial intelligence methods on digital mammography images

    CANAN ORAL

    Doktora

    Türkçe

    Türkçe

    2011

    Elektrik ve Elektronik MühendisliğiOndokuz Mayıs Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. HATİCE SEZGİN

  5. Segmentation of breast microwave imaging using fuzzy c-mean clustering

    Bulanık c-ortalama kümeleme kullanarak meme mikrodalga görüntülemesinin segmentasyonu

    ASAL MAMIZADEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN