Geri Dön

Automatic segmentation of computed tomography images of liver using watershed and thresholding algorithms

Karaciğerin bilgisayarlı tomografi görüntülerinin su havzası ve eşikleme algoritmaları ile otomatik olarak bölütlenmesi

  1. Tez No: 457251
  2. Yazar: TUĞÇE SENA AVŞAR
  3. Danışmanlar: DOÇ. DR. SAMİ ARICA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Bilgisayarlı tomografi görüntüleme günümüzde hastalıkların kontrolü ve teşhisi için yaygın olarak kullanılmaktadır. Medikal görüntülerin segmantasyonu ise özellikle kanser teşhisi ve tedavisi için oldukça önemlidir. Bu çalışmada, karaciğerin bilgisayarlı tomografi görüntülerindeki segmentler iki farklı metot olan su havzası algoritması ve histogram eşikleme yöntemleri kullanılarak belirlenmiştir. Segmentasyon öncesinde görüntülere ön işleme yapılmıştır. İlk olarak görüntüler gri ölçeğe dönüştürülmüştür. Daha sonra, görüntüler bilateral filtre ile yumuşatılmıştır. Su havzası tekniğini uygulamak için kenarlar Gradient operatörü ile çıkarılmıştır. Özellikleri bakımından en yakın bölütler birleştirilerek su havzası algoritması yönteminden kaynaklanan çok sayıda bölütlenmenin üstesinden gelinmiştir. Birleştirme, bulanık c-ortalamalar ve k-ortalamalar algoritmaları ile segmentlerin ortalama, standart sapmaları ve özellikleri gruplandırılarak, özelliklerin vektör nicemlemesi ile yapılmıştır. Görüntüler karaciğer, omurga, tümör, astar ve diğer kısımlara karşılık gelmek üzere beş segmente ayrılmıştır. Histogram eşiklemede, yumuşatılmış görüntüden Otsu metodu ile çoklu eşik seviyeleri elde edilmiş ve bölütleme uygulanmıştır. İki yaklaşımın sonuçları karşılaştırılmıştır. Segment sınıflarını belirlemek için özellik olarak piksel değeri, yönlü türev, bölgesel ikili model, pikselin komşulukları ile olan farkı kullanılmıştır. Bölgelerin sınıflandırılması, tek bir pikselden doğrusal diskriminant analiz sınıflayıcıyla, segmentten ise k en yakın komşu sınıflayıcısıyla, 25 görüntünün 13'ü eğitim 12'si test şeklinde iki gruba bölünerek yapılmıştır. En iyi doğruluk yüzdesi, eşikleme algoritması kullanılarak; segment için yapılan sınıflandırmada yönlü türev ve pikselin komşulukları ile olan farkı özellikleri ile % 100 olarak elde edilirken, tek bir piksel için yapılan sınıflandırmada pikselin komşulukları ile farkı özelliği ile % 99.57 olarak elde edilmiştir. Bu uygulama, medikal görüntülerdeki dokuları bölütleyerek, ameliyat öncesinde segmentler hakkında fikir vermesi açısından doktorlara yardımcı olabilir.

Özet (Çeviri)

Computed tomography (CT) imaging is widely used for control and diagnosis of diseases today. Segmentation of medical images is quite important especially for diagnosis and treatment of cancer. In this study, segments in CT images of liver are determined by using two different methods; watershed algorithm and histogram thresholding method. The images have been preprocessed before segmentation. First, images are converted to grayscale. Next, they are smoothed with a bilateral filter. To apply the watershed technique, edges are extracted with a Gradient operator. The over segmentation of the watershed method is overcome by merging the closest segments in terms of their features. The merging is obtained via vector quantization of the features; fuzzy c-means clustering and k-means clustering algorithms by grouping mean, standard deviation and features of segments which are also used in classification. The images are divided into five segments corresponding to liver, vertebra, tumour, lining and others. In case of histogram thresholding, multi thresholds are obtained with Otsu method from the smoothed image and segmentation has been performed. The results of two approaches have been compared. Pixel value, directional derivatives, local binary patterns, difference of pixel with its neighborhood haven been employed as features to determine the segment class. Classifications of the regions have been obtained from a single pixel with linear discriminant analysis classifier and segment with k- nearest neighbor classifier by dividing 25 liver images to two training (13 images) and test sets (12 images). The best accuracy was obtained % 95.57 for classification from a pixel with difference of pixel with its neighborhood feature whereas % 100 is obtained for categorization from the segment with directional derivatives and difference of pixel with its neighborhood features by using histogram thresholding algorithm. This application may help physicians in terms of providing insight with the tissues before the surgery by segmenting tissues in the medical images.

Benzer Tezler

  1. Karaciğer ile vena portae hepatis anatomisinin bilgisayarlı tomografi görüntüleri ile incelenmesi

    Examination of liver and vena portae hepatis anatomy with computed tomography images

    BİLGE TÜRKMEN

    Doktora

    Türkçe

    Türkçe

    2024

    AnatomiNecmettin Erbakan Üniversitesi

    Anatomi Ana Bilim Dalı

    PROF. DR. MEHMET TUĞRUL YILMAZ

  2. Bilgisayarlı tomografi görüntülerinde derin öğrenme tabanlı çoklu organ segmentasyonu

    Deep learning based multi organ segmentation in computed tomography images

    BEYZA KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİT ALİ UYMAZ

  3. Three-dimensional (3d) liver tumor detection with deep learning

    Derin öğrenme ile üç boyutlu (3b) karaciğer tümör tespiti

    FIRAT ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. Liver volume computation from computed tomography (CT) images.

    Bilgisayarlı tomografi (BT) görüntülerde karaciğer hacim hesaplama

    SARA OSAM SALİHİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Matematik ve Bilgisayar Bilimleri Ana Bilim Dalı

    YRD. DOÇ. DR. REZA ZARE HASSANPOUR

  5. Kontrastsız bilgisayarlı tomografi görüntülerinde yapay zekâ tabanlı karaciğer bölütleme ve hastalık sınıflandırma

    Artificial intelligence-based liver segmentation and disease classification in non-contrast computed tomography images

    RABİYE KILIÇ

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiAtatürk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM YÜCEL ÖZBEK