Computer aided diagnosis in radiology
Radyolojide bilgisayar destekli tanı
- Tez No: 83725
- Danışmanlar: PROF. DR. AHMET ENİS ÇETİN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Mamografi, mikrokalsifikasyon, kütle lezyonu, bilgisayar destekli tanı, Gauss dağılımına uygunluk testleri, yüksek dereceli istatistikler, çevre sezimlemesi. vıı, Mammography, microcalcification, mass lesion, computer-aided diagnosis, Gaussianity tests, higher-order statistics, boundary detection
- Yıl: 1999
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 145
Özet
ÖZET RADYOLOJİDE BİLGİSAYAR DESTEKLİ TANI Metin Nafi Gürcan Elektrik ve Elektronik Mühendisliği Doktora Tez Yöneticisi: Prof. Dr. A. Enis Çetin Mart 1999 Meme kanseri orta yaştaki kadınlar için en ölümcül hastalıklardan birisidir. Bu tezde, mammogramlarda meme kanserinin bilgisayar destekli tanısı için yöntem ler geliştirilmiştir. Bunlar içerisinde, meme kanserinin erken bir belirtisi olan mikrokalsifikasyon topaklanmalarının sezimlenmesi ve kütle lezyonlarının çevrelerinin bulunması için geliştirilmiş yöntemler vardır. Geliştirdiğimiz ilk mikrokalsifikasyon sezimleme yönteminde, altbantlara ayrıştırma yapısı kullanılmıştır. Daha önceki yapılmış çalışmaların aksine, sezimleme işlemi altbantta gerçekleştirilmiştir. Mammogram resmi öncelikle bir altbantlara ayrıştırma süzgeç dizisi ile işlenir. Ortaya çıkan alt-imge analiz edilerek, mikrokalsifikasyon topaklanmaları sezimlenir. Sağlıklı göğüs hücrelerine karşılık gelen bölgelerde yaklaşık olarak Gauss dağılımı gözlenir. Mikrokalsifikasyonlar küçük, ayrışık parlak bölgeler oldukları için, alt-imgelerde aykırı değer oluştururlar ve görellerin dağılımı Gauss dağılımından sapar. Alt-imgeler birbiri içine geçmiş kare bölgelere bölünür. Her bir kare içerisinde yamukluk ve savrukluk değerleri hesaplanır. Üçüncü ve dördüncü dereceden ilinti parametreleri yamukluk ve savrukluk, dağılımın bakışımsızlık ve dürtüselliğini gösterdiğinden, mikrokalsifikasyon topaklanmalarının yerlerinin bulunmasında kullanılabilir. Eğer bir kare bölgede bu değerler, deneysel olarak belirlenmiş eşik değerlerinin üzerinde çıkarlarsa, o bölge potansiyel kanser bölgesi olarak işaretlenir. Deneysel çalışmalar göstermiştir ki bu yöntem mikrokalsifikasyon topaklanmalarının sezimlenmesinde başarılıdır. Biz ayrıca iki boyutlu uyarlamak süzgeçlemeye ve yüksek dereceli istatistiklere dayalı Gauss dağılımına uygunluk testlerinden yararlanan bir mikrokalsifikasyon topak lanması sezinleme algoritması öneriyoruz. Bu yöntemde, Öngörü hatalarının bir Gauss dağılımından gelip gelmediği belirlenir. Öngörü hataları mikrokalsifikasyonların violduğu bölgelerde Gauss dağılımından sapar çünkü mikrokalsifikasyona karşılık gelen görellerin öngörüsü sağlıklı meme hücrelerine karşılık gelen görellerin öngörüsünden daha zordur. Daha sonra, aykırılıklara daha yüksek duyarlılığa sahip bir Gauss dağılımına uygunluk testi geliştirilmiştir. Bu testi kullanan yeni bir sezimleme sistemi geliştirilmiş ve önceden önerilmiş yöntemlerle karşılaştırıldığında daha iyi bir başarım elde edilmiştir. Sezimlenmiş bölgelerde, her bir mikrokalsifikasyonun bölütlenmesi mümkündür. Aykırı değer etiketlemesine ve doğrusal olmayan altbantlara ayrıştırma yapıları kullanılan bölütleme yöntemleri incelenmiştir. Kütle lezyonları ve yıldızsal lezyonlar meme kanserinin göstergeleri olabilir. Son olarak, kütle lezyonlarının çevrelerinin bulunması için yılan algoritmasına dayalı bir yöntem geliştirilmiştir. Bu yöntem, bölge büyütmeye dayalı benzer bir algoritma ile karşılaştırılmıştır. Yılan algoritmasının daha yumuşak bir çevre oluşturduğu gözlenmiştir ve bu da kütle lezyonlarının morfolojisine daha uygundur.
Özet (Çeviri)
ABSTRACT COMPUTER AIDED DIAGNOSIS IN RADIOLOGY Metin Nafi Gürcan Ph.D. in Electrical and Electronics Engineering Supervisor: Prof. Dr. A. Enis Çetin March 1999 Breast cancer is one of the most deadly diseases for middle-aged women. In this thesis, computer-aided diagnosis tools are developed for the detection of breast cancer on mammograms. These tools include a detection scheme for microcalcification clusters which are an early sign of breast cancer, and a method to detect the boundaries of mass lesions. In the first microcalcification detection method we propose, a subband decomposition structure is employed. Contrary to the previous work, the detection is carried out in the subband domain. The mammogram image is first processed by a subband decomposition filter bank. The resulting subimage is analyzed to detect microcalcification clusters. In regions corresponding to the healthy breast tissue the distribution is almost Gaussian. Since microcalcifications are small, isolated bright spots, they produce outliers in the subimages and the distribution of pixels deviates from Gaussian. The subimages are divided into overlapping square regions. In each square region, skewness and kurtosis values are estimated. As third and fourth order correlation parameters, skewness and kurtosis, are measures of the asymmetry and impulsiveness of the distribution, they can be used to find the locations of microcalcification clusters. If the values of these parameters are higher than experimentally determined thresholds then the region is marked as a potential cancer area. Experimental studies indicate that this method successfully detects regions containing microcalcifications. We also propose another microcalcification detection method which uses two- dimensional (2-D) adaptive filtering and a higher order statistics based Gaussianity test. In this method, statistics of the prediction errors are computed to determine whether the samples are from a Gaussian distribution. The prediction error sequence deviates from Gaussianity around microcalcification locations because prediction of microcalcification ivpixels is more difficult than prediction of the pixels corresponding to healthy breast tissue. Then, we develop a new Gaussianity test which has higher sensitivity to outliers. The scheme which uses this test gives better detection performance compared to the previously proposed methods. Within the detected regions it is possible to segment individual microcalcifications. An outlier labeling and nonlinear subband decomposition based microcalcification segmentation method is also investigated. Two types of lesions, namely mass and stellate lesions, might be indicators of breast cancer. Finally, we propose a snake algorithm based scheme to detect the boundaries of mass lesions on mammograms. This scheme is compared with a recently developed region growing based boundary detection method. It is observed that the snake algorithm results in a more smooth boundary which is consistent with the morphological structure of mass lesions.
Benzer Tezler
- Küçük boyutlu akciğer nodüllerinin Bilgisayarlı Tomografi ile saptanmasında Maksimum Intensite Projeksiyon (MIP) tekniğinin tanısal önemi
Diagnostic value of MIP imaging: Detection of small pulmonary nodules with MIP imaging in Computed Tomography
PINAR GÜLERYÜZ
Tıpta Uzmanlık
Türkçe
2014
Radyoloji ve Nükleer TıpBaşkent ÜniversitesiDahili Tıp Bilimleri Bölümü
YRD. DOÇ. DR. ÖMER KORAY HEKİMOĞLU
- 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
- Omurga şekil bozukluklarının sınıflandırılmasına yönelik yazılım geliştirme
Software development for the classification of spinal deformation
SİBEL BİRTANE
Yüksek Lisans
Türkçe
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. HAYRİYE KORKMAZ
- Akciğer tomografisi görüntülerinde görüntü işleme teknikleri kullanılarak nodül tespiti ve yapay zeka ile nodüllerin nitelendirilmesi
Nodula determination by using image processing techniques and characteri̇zati̇on of node with artificial intelligence in lung tomography images
ENES ÇAKAR
Yüksek Lisans
Türkçe
2018
BiyomühendislikSakarya ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET KARACA
- Derin öğrenmenin U-net modellemesi kullanılarak beyin tümörünün görüntü tabanlı segmentasyonu
Image-based segmentation of brain tumor using U-net modeling of deep learning
DUYGU IŞIK