Mamogram üzerinden bilgisayar destekli kanser teşhisi
Computer aided diagnosis from mammogram
- Tez No: 348439
- Danışmanlar: DOÇ. DR. ERDAL KILIÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 93
Özet
Meme kanseri dünyada kadınlar arasında en sık rastlanan kanser türüdür ve bilinen en etkili tedavi yöntemi erken teşhistir. Mamografi meme kanserinin erken teşhisi için kullanılan tek görüntüleme yöntemidir. Günümüzde bir çok bilim insanı mamogram üzerinden bilgisayar destekli kanser tespiti ve teşhisi üzerine çalışmaktadır, ancak halen tam anlamıyla başarılı olmuş bir sistem yoktur. Bu tez çalışmasında da bu amaç doğrultusunda bilimsel kullanıma açık olan DDSM veri tabanından alınmış mamografik görüntüler kullanılarak kitleler iyi huylu veya kötü huylu olarak sınıflandırılmıştır. Ayrıca, önerilen yöntemde yer alan bölütleme algoritması kullanılarak, elde edilen kitle bölütleme sonuçları uzman bir radyolog tarafından çizilen kitle sınırları ile karşılaştırılmıştır. Geliştirilen sistem 4 aşamadan oluşmaktadır. Bunlar; önişleme, bölütleme, özellik çıkarımı ve sınıflandırma aşamalarıdır. Önişleme aşamasında Bulanık Kontrast Sınırlı Adaptif Histogram Eşitleme yöntemi otomatik hale getirilerek görüntü iyileştirme işlemi yapılmıştır. Bölütleme aşamasında iyileştirilmiş görüntülerde bulunan kitleler Yerel Chan-Vese algoritması kullanılarak bölütlenmiştir. Özellik çıkarımı aşamasında, bölütlenen kitlelerden elde edilen 10 adet morfolojik özellik ile gri seviye eş oluşum matrisleri kullanılarak elde edilmiş 7 adet doku özelliği çıkartılmıştır. Doku özellikleri hem kitlenin sınır bölgelerinden hem de kitlenin bulunduğu ilgili bölgenin tamamından çıkartılarak ayrı ayrı sınıflandırma aşamasında Destek Vektör Makinesi (DVM) ve LVQ ağına verilerek test edilmiştir. Bütün ilgili bölgeden alınan doku özellikleri ile morfolojik özellikleri içeren özellik vektörü kullanıldığında DVM ile %80 doğru sınıflandırma oranı elde ediliriken, LVQ ile %71 doğru sınıflandırma oranı elde edilmiştir. Sınır bölgelerinden alınan doku özellikleri ile morfolojik özellikleri içeren özellik vektörü kullanıldığında ise, DVM ile %84 doğru sınıflandırma oranı elde edilirken, LVQ ile bu oran %75 olarak görülmüştür.
Özet (Çeviri)
Breast cancer is the leading cancer type seen on woman in the world and the known most efficient treatment method is early diagnosis. Mammography is the only screening method used for early detection of breast cancer. Nowadays many scientists are working on computer aided detection and diagnosis from mammograms, but still there isn't a fully successful system. As to this purpose, in this thesis mammographic images having mass, were taken from publicly available DDSM database and classified as benign or malignant. Additionally, mass segmentation results obtained by the segmentation algorithm proposed were compared with the boundaries of the masses drawn by an expert radiologist. The presented system consisted of 4 parts. These are; pre-processing, segmentation, feature extraction and classification parts. In the pre-processing part, Fuzzy Contrast Limited Adaptive Histogram Equalization method was automated and image enhancement was made. In segmentation part, the masses present in the enhanced images were segmented using Local Chan-Vese algorithm. In feature extraction part; 10 morphological features and 7 texture features extracted from the gray level co-occurrence matrixes were taken from the segmented masses. Texture features taken from the mass margins and the region of interest that contains a mass were tested in the classification part which were given separately to Support Vector Machine (SVM) and LVQ network. When features extracted from region of interests containing masses were used along with SVM; %80 correct classification rate was acquired, while along with LVQ; %71 correct classification rate was acquired. When features extracted from the margins of the masses were used along with SVM; %84 correct classification rate was acquired while along with LVQ; this rate was seen %75.
Benzer Tezler
- Görüntü işleme teknikleriyle meme kanserinin teşhisi
Diagnosis of breast cancer with image processing techniques
GÜLİZ TOZ
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PAKİZE ERDOĞMUŞ
- Mamogram görüntülerinden makine öğrenmesi yöntemleri ile meme kanseri teşhisi
Breast cancer detection on mammogram images by using machine learning techniques
İSMAİL İŞERİ
Doktora
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMİL ÖZ
- Wavelet based tumor detection and its application on mammograms
Mamogramlarda dalgacık tabanlı yöntemle tümör belirleme
BURAK TÜYSÜZ
Yüksek Lisans
İngilizce
2007
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLAY TOHUMOĞLU
- Karınca kolonisi algoritması kullanılarak mamografik görüntülerden kanserli bölge tespiti
Cancer region diagnosis from mamaographic images using ant colony algorithm
HALİL İBRAHİM OKUR
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERTBAŞ
DR. ÖĞR. ÜYESİ PELİN GÖRGEL
- Automatic segmentation of breast cancer on mammogram images using image processing techniques
Mamografi görüntülerinden görüntü işleme tekniklerini kullanılarak göğüs kanserinin otomatik tespiti
SAFWET ALAN ALI AL DAWERI
Yüksek Lisans
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. GÖRKEM SERBES