Geri Dön

Segmentation of breast microwave imaging using fuzzy c-mean clustering

Bulanık c-ortalama kümeleme kullanarak meme mikrodalga görüntülemesinin segmentasyonu

PDF İndir

  1. Tez No: 847155
  2. Yazar: ASAL MAMIZADEH
  3. Danışmanlar: PROF. DR. İBRAHİM AKDUMAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Meme kanseri, esas olarak yağ dokusu ve lobüllerde, meme hücrelerinin kontrolsüz büyümesi olarak tanımlanmaktadır. Buna ek olarak kan veya lenf sistemi üzerinden diğer organlara yayılarak öldürücü metastaza da neden olabilmektedir. Dünya Sağlık Örgütü'nün (WHO) yayınlanan raporlarına göre, 2020 yılında 2.3 milyon vaka ile kadın meme kanseri en sık teşhis edilen kanser türü olmuştur. Ayrıca istatistiklere göre, aynı yıl bu hastalıktan 684 996 ölüm kaydedilmiştir. Meme kanserinin yayılmasını kontrol altına almanın ve ölüm sayısını azaltmanın en etkili yolunun, klinik değerlendirme ile erken teşhisinin sağlanması ve tedavi edilmesi olduğu bilinmektedir. Manyetik Rezonans Görüntüleme (MRI), Ultrasonografi, Positron Emisyon Tomografisi (PET) ve Mamografi gibi kadın meme dokusu anormalliklerini ve kanserini taramak için çeşitli görüntüleme teknikleri bulunmaktadır. Günümüzde meme kanseri taramasında mamografi yöntemi altın standart yöntem olarak kabul edilmektedir. Buna rağmen, dokusu yoğun olan memelerde yüksek radyasyon dozu ve düşük hassasiyet gibi mamografi kısıtlamaları sebebiyle, bahsedilen yöntem dikkate değer bir şekilde etkili değildir. Bu nedenle, bu kısıtlamaları ortadan kaldırmak için başka tarama yöntemlerine ihtiyaç duyulmaktadır. Mikrodalga görüntüleme, elektromanyetik dalga radyasyonuna maruz kalan sağlıklı ve şüpheli doku arasındaki dielektrik özellik farklılıklarına dayalı olarak çalışan ucuz, düşük riskli radyasyon ihtimali olan ve benzer görüntüleme yöntemlerine göre nispeten daha hızlı bir yöntemdir. Bu dalgalar, 300 Mhz ila 300 Ghz arasında değişen, iyonlaştırıcı özelliği olmayan elektromanyetik radyasyondur. Mikrodalga görüntülerindeki daha yüksek yoğunluk, daha yüksek doku kontrastına denk gelmektedir. Tüm tıbbi görüntüler gibi, mikrodalga görüntüleri de uzmanlar veya bilgisayar destekli teşhis sistemleri tarafından anlamlı hale getirilmesi için daha önceden işlenmelidir. Bundan dolayı, meme kanseri teşhisi için lezyon segmentasyonunun önemli olduğu bilinmektedir. Bu yöntem için uzmanlar görüntüleri manuel olarak incelemektedirler ve bu da insanın görsel algı hatası nedeniyle yanlış teşhise yol açabilmektedir. Ayrıca bazı durumlarda bu işlem zaman alabilmektedir. Bu sorunları çözmek için ve bu hataları azaltmak için otomatik segmentasyon yöntemlerinden yararlanılabilmektedir. Kümeleme algoritmaları veya denetimsiz makine öğrenme teknikleri, segmentasyona insan katılımını en aza indirmek ve kanserli lezyonun kesin bir şekilde saptanmasını sağlamak için kullanılabilir. Bu tezde, bulanık c-ortalamalar kümeleme algoritması ve istatistiksel özellikler yardımıyla düşük çözünürlüklü mikrodalga görüntüleme görüntülerinden lezyonları çıkarmak için bir segmentasyon yöntemi önerilmiştir. Tezde kullanılan mikrodalga görüntüleri gerçekleştirilmiş bir klinik çalışmadan alınmıştır. Yapılan çalışmanın kodlarının tamamı MATLAB programında uygulanmıştır. Mikrodalga görüntülerinin doku özelliklerinin bulanık c-ortalamalar kümeleme algoritması ile segmentasyon yapmak için etkinliğini değerlendirmek amacıyla, özellik vektörünü oluşturmak için uzamsal alanda üç istatistiksel özellik, yani yoğunluk, entropi ve enerji kullanılmıştır. Veriler üzerinde iki farklı deney gerçekleştirilmiştir. İlk çalışmada, her bir renk kanalının yoğunluk, entropi ve enerji matrislerinden oluşan 9 boyutlu özellik matrisi, verileri üç kümeye bölmek için Fuzzy c-mean kümeleme algoritmasına uygulandı. Kırmızı, Yeşil ve Mavi kanallardan oluşan sadece yoğunluktan oluşan 3 boyutlu özellik matrisi de aynı amaçla uygulanmıştır. Dokunun entropi ve enerji etkisinin özelliklerini değerlendirmek için iki yöntem karşılaştırıldı. Elde edilen sonuçlar, doku özelliği olarak entropi ve enerji kullanımının mikrodalga görüntü bölütleme üzerinde olumlu bir etkisinin olmadığını gösterdi. İkinci deneyde, görüntülerin sadece farklı yoğunluk kombinasyonları (yani renk özellikleri) kullanılmıştır. RGB renk uzayında her görüntünün kırmızı, yeşil ve mavi düzlemleri kullanılarak üç özellik matrisi oluşturulmuştur. RGB düzlemlerini kullanan üç boyutlu bir matris, RGB düzlemlerinin ortalamasını kullanan bir matris ve sonunda özellik matrisi olarak sadece kırmızı düzlem oluşturulmuş ve her görüntü için ayrı ayrı olmak üzere ilk deneme olarak FCM algoritmasına uygulanmıştır. Bölütlenen görüntüler gerçek görüntüleri ile karşılaştırılmıştır. Deneysel sonuçlar, tümörün dielektrik özelliğinin en yüksek değerlerini temsil eden görüntünün koyu kırmızı bölgesini bölütlemek için yalnızca kırmızı düzlemi kullanan bölütleme yönteminin, temel gerçek görüntü ile en fazla örtüşme durumunda diğer iki yöntemden daha iyi performans gösterdiğini ortaya koymaktadır. Ayrıca, özgüllük açısından, bu yöntem çok kanallı yöntemlere kıyasla daha iyi performans göstermiştir. Ancak, hassasiyet açısından, kırmızı tek kanallı yöntem beklenen güvenilir sonuçları sağlamamaktadır. Yöntemin güvenilirliğini değerlendirmek için, tespit edilen bölgenin boyutu ve mikrodalga görüntülerindeki boyutu, geleneksel görüntüleme yöntemleri ile bildirilen tümörün boyutuyla karşılaştırıldı. Geleneksel görüntüleme sonuçlarındaki boyutları bir radyolog tarafından tespit edildi. Mikrodalga görüntüleme boyutlarının, tümörün çapının en büyük olma olasılığının en yüksek olduğu kesitlerden alındığı varsayımı yapılmıştır. Aynı varsayım, geleneksel görüntüleme yöntemleriyle elde edilen boyutlar için de yapılmıştır. Elde edilen sonuçlara göre algoritmanın ölçtüğü tümör boyutu ile gerçek tümör boyutu arasındaki en yüksek benzerlik orta büyüklükteki tümörlerde elde edilmiştir. Mikrodalga görüntülerinde ve geleneksel görüntülerde kullanılan dilimler farklılık gösterebilir, bu da yapılan varsayımları etkiler ve elde edilen sonuçları değiştirebilmektedir. Bundan dolayı, geleneksel görüntüleme ile bildirilen boyutlar ile daha küçük ve daha büyük tümörler için elde edilen segmentasyon yaklaşımları arasında olan daha yüksek fark açıklanabilir. Sonuç, doğru tümör boyutunun tahmin edilmesi açısından istenildiği kadar tatmin edici olmamakla birlikte, ileride yapılacak çalışmalara ve daha verimli bir sistem tasarlamaya temel teşkil edebilir. Sonuç olarak mikrodalga görüntüleme sistemleri, tümörlerin doğru yerini bulmak için yaygın olarak kullanılan mamografi sistemleriyle rekabet edemese de, tümör boyutlarının tahmin edilmesinde kullanılabilirler.

Özet (Çeviri)

Breast cancer is the uncontrolled growth of breast cells, which grows mainly in fatty tissue and lobules. It could also spread over the blood or lymph system to other organs, causing virulent metastasis. In 2020, Female Breast cancer was the most frequently diagnosed cancer with 2.3 million cases, based on World Health Organization's (WHO) reports. According to statistics, 684 996 deaths from the disease were recorded in the same year. The most effective way to control the spread of breast cancer and reduce the number of deaths is early detection and treatment through clinical evaluation. There are several imaging techniques for screening female breast tissue abnormalities and cancer, such as Magnetic Resonance Imaging (MRI), Ultrasonography, Positron Emission Tomography (PET), and Mammography. Currently, mammography is considered to be the gold standard methodology in order to screen breast cancer. However, in accordance with the mammography restrictions, such as high radiation dose and low sensitivity in dense breasts, the mentioned method is not remarkably efficient. For this purpose, other screening methods are necessary to eliminate these restrictions. Microwave imaging (MWI) is a new modality that could potentially become a supplementary method, to already existing ones, to contribute the breast cancer diagnosis at an early stage, due to using non-ionizing radiation, safe and inexpensive technology. MWI is based on differences between the dielectric properties of cancerous and normal breast tissue. Moreover, lesion segmentation is essential for diagnosing breast cancer. To do this, specialists examine the images manually, which may lead to misdiagnosis due to human visual perception error. Also, in some cases, this process can be time-consuming. In order to solve these problems, automated segmentation methods have been utilized to reduce these errors. Clustering algorithms or unsupervised machine learning techniques could be employed to segment images to minimize human involvement in segmentation and achieve a precise detection of the cancerous lesion. In this thesis, a segmentation method is suggested to extract lesions from low-resolution MWI images with the help of the Fuzzy C-mean algorithm and statistical features. Microwave images used in the thesis were taken from a clinical study. The study's codes are all implemented in MATLAB. To evaluate the effectiveness of texture features of MWI for segmentation by FCM algorithm, three statistical features in the spatial domain i.e., intensity, entropy, and energy were used to form the feature vector. Two series of experiments were performed on the data. The first experiment included a combination of features consisting of intensity, energy, and entropy matrix of each image were form. Energy and entropy matrices were calculated for each image and combined with intensity matrices and applied to FCM. No difference was observed regarding the effect of entropy and energy matrices in segmentation with only intensity features. In the second experiment, only different combinations of intensity (i.e. color features) of the images were used. Three feature matrices were formed using red, green, and blue planes of each image, in RGB color space. A three-dimensional matrix using RGB planes, a matrix using the mean of RGB planes, and at the end, only red plane as feature matrix, were formed and applied on FCM algorithm as the first trial, separately for each image. The segmented images compare to ground truth images. The experimental results demonstrate that the segmentation method using only the red plane, to segment the dark red region of the image, which represents the highest values of dielectric activity of the tumor, outperforms the other two methods in the case of most overlapping with the ground-truth image. Also, in respect of specificity, this method has performed better compared to multi-channel methods. However, in terms of sensitivity, the red single-channel method does not provide the expected reliable results. Finally, the achieved size of the segmented tumor in each trial was compared with the size of the tumor in conventional imaging measured by a specialist. In certain sizes, there are acceptable achievements, but for satisfying results, existing algorithms need more improvements.

Benzer Tezler

  1. Tez No

    384801

    Realistic microwave breast models through T1-weighted 3-D MRI data

    T1-ağırlıklı 3-boyutlu MRI datası kullanılarak gerçekçi mikrodalga meme modelleri geliştirilmesi

    AHMET HAKAN TUNÇAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM AKDUMAN

  2. Tez No

    201233

    Kontrast tutucu meme manyetik rezonans görüntülerinde kanserli olan ve olmayan dokuların göüntü işleme yöntemleri ile belirlenmesi

    Segmentation of cancerous and non-cancerous lesions from dynamic contrast-enhanced magnetic resonans imaging of the breast by using image processing techniques

    PETEK TATLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2006

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Jeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BÜLENT BAYRAM

  3. Tez No

    444716

    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

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. GÖRKEM SERBES

  4. Tez No

    738052

    ADC histogram verilerinin meme kanseri karaciğer metastazlarının hormon reseptörü ve sağ kalımı öngörmekteki rolü: Hedef lezyon VOI ile tüm karaciğer metastazlarının VOI karşılaştırması

    ADC histogram values of breast cancer liver metastasis for predicting hormone receptor and survival: Comparison of the target lesion voi and all the metastatic lesion VOI

    ONUR ŞİMŞEK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Radyoloji ve Nükleer TıpSağlık Bilimleri Üniversitesi

    Radyoloji Ana Bilim Dalı

    PROF. DR. NAZAN ÇİLEDAĞ

  5. Tez No

    508179

    Automatic detection and segmentation of breast cancer from 3D MR and CT images

    Üç boyutlu manyetik rezonans ve bilgisayarlı tomografi görüntülerinden meme kanserinin otomatik tespiti ve segmentasyonu

    CHIMAN HAYDAR SALH SALH

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik MühendisliğiYüzüncü Yıl Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RIDVAN SARAÇOĞLU

    DR. LAİTH R. FLİEH

Geri Dön