Geri Dön

Mamografi görüntülerindeki kitlelerin ve pektoral kas bölgesinin süperpozisyon etkisini dikkate alarak belirlenmesi

Detection of masses and the pectoral muscle region in mammography images considering the superposition effect

  1. Tez No: 670465
  2. Yazar: HAYATİ TÜRE
  3. Danışmanlar: PROF. DR. TEMEL KAYIKÇIOĞLU
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  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: Telekomünikasyon Bilim Dalı
  13. Sayfa Sayısı: 145

Özet

Bu tez çalışmasında, mamografi görüntülerindeki kitleleri ve pektoral kas bölgesini süper pozisyon etkisini dikkate alarak belirleyen yeni bir yaklaşım önerilmektedir. Süper pozisyona uğramış şüpheli bölgelerin belirginliğini artırmak için önce, dört farklı yöndeki Gabor filtreleri kullanılmış ve daha sonra topoğrafik haritaları oluşturulmuştur. Bu haritalar üzerindeki ilgi alanlarını belirlenmek için Eş Yükselti Eğrilerinin Kural Tabanlı Sınıflandırılması (EEKTS) yöntemi geliştirilmiştir. Bu yöntemde; ilgi bölgelerini belirlemek için optimum hayat süresi (OHS) içerisinde bulunan eş merkezli yükselti bölgelerinden hesaplanan yuvalama derinliği morfolojik, parlaklık ve doku öznitelikleri kullanılmaktadır. EEKTS yönteminin başarısını süper pozisyon etkisi altında kalan bozulmuş pektoral kas bölgeleri üzerinde artırmak için topoğrafik harita bloklara ayrılmıştır. Bu sayede, bozulumun etkisi bloklar halinde lokalize edilir ve sağlam olan pektoral kas sınırı parçalarının spesifik desenlerine sahip kontur dizisi ortaya çıkar. EEKTS yöntemi, belirginliği düşük olan kitle ve pektoral kas sınırı örneklerini yüksek doğrulukta tespit etmektedir. Literatürde yer alan pektoral kas bölgesi çıkaran BDT yazılımları, süper pozisyon sonucu bu bölge içerisinde olabilecek kitleleri ihmal etmişlerdir. Bu tez çalışması kapsamında pektoral kas bölgesinin çıkarıldıktan sonra kitle tespit işlemi yapılmasının, EEKTS yönteminin performansına olan etkisi detaylıca incelenmiştir.

Özet (Çeviri)

In this thesis, a new approach is proposed that determines masses in mammography images and the pectoral muscle region, taking into account the superposition effect. In order to increase the prominence of superpositioned regions, four different directions of Gabor filters are first used, and then topographic maps are formed. In this study, the Rule Based Classification of Isocontour Lines (RBCI) method is devoleped to determine regions of interest in the topographic maps. In this method, the nesting debth, morphological, intensity, and texture features calculated from the concentric isocontours within Optimum Lifetime (OLT) are used to detect the ROIs. The topographic map is divided into blocks to increase the success of the RBCI method on the distorted pectoral muscle regions under the effect of superposition. In this way, the effect of the distortion is localized in blocks and the sequence of contours with specific patterns of the undistorted pectoral muscle border parts are revealed. The suspicios regions with low prominence are detected with high accuracy using the developed the RBCI method. Studies in the literature that performed pectoral muscle region removal did not take into account the masses that were superpositioned with the pectoral muscle region. Within the scope of this thesis, the performance of the RBCI method in these situations examined in detail.

Benzer Tezler

  1. Görüntü zenginleştirme ve hücresel ysa kullanarak meme kanseri teşhisi

    Diagnosis of breast cancer using image enhancement and cellular neural networks

    LEVENT CİVCİK

    Doktora

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YÜKSEL ÖZBAY

  2. Analysis of mammography images for cancer detection

    Kanser tespiti için mamografik görüntülerin analizi

    GHASSAN A. M. ALSHANA

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. REZA ZARE HASSANPOUR

  3. Tıbbi görüntülemede bilgisayar destekli tespit

    Computer aided detection in medical imaging

    SERHAT ÖZEKES

    Doktora

    Türkçe

    Türkçe

    2006

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF.DR. YILMAZ ÇAMURCU

  4. Tissue density classification in mammographic images using local features

    Yerel öznitelikler ile mamografi görüntülerinde doku yoğunluğunun sınıflandırılması

    SEZER KUTLUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL

  5. Derin öğrenme yöntemleri kullanılarak dijital mamografiden kitle bölütlemesi

    Mass segmentation from digital mammograms using deep learning methods

    ENDER EMRE ETİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSiirt Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ VOLKAN MÜJDAT TİRYAKİ