Akciğer pet görüntülerinde bölütleme yöntemlerinin incelenmesi
Segmentation methods examination on lung cancer of pet images
- Tez No: 450538
- Danışmanlar: DOÇ. DR. SEMRA İÇER
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
PET (Pozitron Emisyon Tomografisi) teknolojisi akciğer kanseri teşhisi ve takibi için oldukça önemli bir metottur. Son zamanlarda, Pet görüntüleri kullanarak tümör segmentasyonu yapmak ve tümöre ait bir takım özelliklerin hesaplanması üzerine popüler olarak çalışılmaktadır. Tümör içi Flor 18-Florodeoksiglukoz tutulumunun düzgünlük, pürüzlülük ve düzenliliğini tanımlamak için, görüntü işleme yaklaşımlarından olan doku analizi yöntemleri kullanılarak tümördeki dokusal özniteliklerin tespiti oldukça hayati bir rol oynamaktadır. Öznitelik çıkarımının ilk ve en önemli aşaması tümörlü bölgenin olabildiğince yüksek başarıyla bölütlenmesidir. Bu çalışmada, akciğer kanserli hastaların Pet görüntüleri k-ortalamalar, aktif kontür, Otsu eşikleme ve rastgele yürüyüşler (random walker) bölütleme algoritmaları kullanılarak üç boyutlu bölütlenmiş, daha sonra farklı doku yöntemlerinin (GLCM, GLRLM, NGTDM, GLSZM) sonucunda elde edilen özellikler istatistiksel olarak karşılaştırılarak incelenmiştir. Akciğer kanseri, dünyadaki kansere bağlı ölümlerin en sık nedenidir. 163 küçük hücreli dışı akciğer kanseri (NSCLC) tanısı konulmuş hastadan PET/BT görüntüleri alındı. DICOM görüntülerden, MATLAB 2013a kullanılan programda PET ve BT görüntülerini çıkaracak yazılım kullanıldı ve bölütleme basamağına veriler hazırlandı. Verilerle bölütleme gerçekleştirildikten sonra, doku öznitelik çıkarım olan gri seviye eş oluşum matrisi, gri seviye koşu uzunluğu matrisi, komşuluk gri ton fark matrisi, gri seviye boyut bölge matrisi kullanıldı. Bu matrislerden elde edilen verilere varyans (ANOVA) testi uygulandı. İstatistiksel olarak bölütleme algoritmaları arasında anlamlı farkın olduğu ispatlandı. Uygun bölütleme yönteminin uzman kişilerce seçilmesinin önemi istatistiksel olarak değerlendirildi.
Özet (Çeviri)
PET (Positron Emission Tomography) technology is a considerable device for diagnosis and follow-up of lung cancer. Recently, using PET images to do tumor segmentation and which belongs tumor calculation a set of properties, has popularly studied. To define the smoothness, regularity and roughness of intratumor 18-Fluorodeoxyglucose involvement,tissue analysis methods using image processing approachesdetection of the textural features in the tumor play a substantially vital role. The first and most important stepof extraction texture is segmentation the tumor area as successfully as possible. In this study, PET images of patients with lung cancer were segmented 3-D (three-dimensionally) using k-means, Otsu thresholding, active contour, random walker, then different texture extraction methods(GLCM, GLRLM, NGTDM, GLSZM) in consequence the obtained properties is examined with statistical comparison. Lung cancer is the most common cause of cancer related death worldwide.PET / CT images of 163 non-small cell lung cancer (NSCLC) diagnosed patients were obtained. From the DICOM images, MATLAB 2013a used software to extract PET and CT images from the program used, and the segmentation step was prepared.After the segmentation with the datagray level co-occurrence matrix, gray level run length matrix, neighborhood gray level difference matrix, gray level size region matrix, which are texture feature extraction, were used.The variance (ANOVA) test was applied to the data obtained from these matrices.Statistically it is proved that there is a meaningful difference between the segmentation algorithms.The prospect of choosing the appropriate segmentation method by experts was evaluated statistically.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Computer aided diagnosis of breast cancer
Meme kanserinin bilgisayar destekli teşhisi
FATİH KALELİ
Yüksek Lisans
İngilizce
2007
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF.DR. NİZAMETTİN AYDIN
- Küçük hücreli dışı akciğer kanserli hastaların PET ve BT görüntülerinin birleştirilmesi ve analizi
Fusion and analysis of PET and CT images of patients with non-small cell lung cancer
OĞUZHAN AYYILDIZ
Yüksek Lisans
Türkçe
2016
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DOÇ. BÜLENT YILMAZ
- Machine and deep learning based analysis of tumors on FDG-PET images
FDG-PET görüntülerindeki tümörlerin makine ve derin öğrenme tabanlı analizi
OĞUZHAN AYYILDIZ
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ
- Akciğer kanseri hastalarında primer evreleme amacı ile yapılan onkolojik F-18 fdg pet görüntülerinde tümör heterojenitesinin tekstür analizi yöntemiyle sayısallaştırılması ve histopatolojik parametreler ile korelasyon düzeyinin ve tanıya katkısının değerlendirilmesi
Texture analysis of tumor heterogenity on oncological F-18 FDG pet images acquired for primary staging and its correlation with histopathological parameters and contribution to diagnosis in patients with lung cancer
UĞURAY AYDOS
Tıpta Uzmanlık
Türkçe
2016
OnkolojiGazi ÜniversitesiNükleer Tıp Ana Bilim Dalı
YRD. DOÇ. DR. ÜMİT ÖZGÜR AKDEMİR