Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Teknoloji Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2013
Tezin Dili: Türkçe
Öğrenci: SEDA KAZDAL
Danışman: BUKET DOĞAN
Özet:BEYİN TÜMÖRLERİNİN İLERİ GÖRÜNTÜ İŞLEME VE ÖRÜNTÜ TANIMA TEKNİKLERİ KULLANILARAK BİLGİSAYAR DESTEKLİ TESPİTİ Günümüz teknolojisinde bilgisayar destekli tespit uygulamaları tıp alanına büyük katkılar sağlamayı başarmıştır. Bilgisayar Destekli Tespit (BDT) yazılımları, ileri örüntü tanıma ve görüntü işleme yöntemlerini kullanarak radyoloji uzmanlarına medikal görüntülerdeki anormalliklerin tespitinde yardımcı olan yazılımlardır. Bu yazılımlar radyoloji uzmanlarına hem zaman kazandırır, hem de karar verme aşamasında yapma ihtimalleri olan hataları en aza indirir. Bu tezde, beyin manyetik rezonans görüntülerindeki tümörlerin tespit edilmesini amaçlayan yöntemler ortaya konmuştur. Tez çalışmasında izlenen yöntemin ana başlıkları şu şekildedir: ön işleme aşaması, bölütleme aşaması, ilgi alanlarının belirlenmesi aşaması ve tümörlerin tespit edilmesi aşaması. Bu tez çalışması kapsamında birinci bölümde, sayısal görüntüler ve bu görüntülere ait temel özellikler aktarılıp, özellikle tez çalışmasında da kullanılmış olan DICOM dosya formatı hakkında bilgi verilmiştir. Medikal görüntüleme yöntemlerinden olan Bilgisayarlı Tomografi (BT) ve Manyetik Rezonans (MR) görüntüleme açıklanmaktadır. Özellikle MR görüntüleme yöntemi daha detaylı ele alınarak bu yöntemle elde edilmiş görüntülerin özelliklerine yer verilmektedir. Birinci bölümde ayrıca, medikal görüntü değerlendirmelerinde kullanılan performans ölçümleri açıklanmaktadır. Yine birinci bölümde, beyin tümörleri ile ilgili kısaca bilgi verilmiştir. Ardından görüntü işleme mantığı temel kavramlar üzerinden aktarılarak, özellikle bu tez çalışması kapsamında kullanılmış görüntü işleme tekniklerine kısaca değinilmiştir. Son olarak birinci bölümde, literatürde gerçekleştirilmiş, beyin MR görüntülerindeki anormalliklerin bilgisayar destekli tespit yöntemleri incelenmektedir. İkinci bölümde, tez çalışmasında kullanılan veri setleri ve bu veri setlerindeki beyin MR görüntülerinin özellikleri anlatılmaktadır. Tez çalışması boyunca kullanılan yöntemler; önişleme, bölütleme, ilgi alanlarının belirlenmesi ve tümörlerin tespiti başlıkları altında incelenmektedir. Bu yöntemler arasında yer alan 8 yönlü tarama, morfolojik yapılandırma, nesne merkezi tabanlı 8 yönlü tarama ve kural tabanlı tespit işlemleri ayrıntılı bir şekilde açıklanmaktadır. Bu tez çalışmasında, ön işleme aşaması olarak medyan filtre ve histogram eşitleme işlemi kullanılmıştır. Beyin bölgesini bölütlendirmek amacıyla yoğunluk tabanlı eşikleme yöntemi uygulanmıştır. İlgi alanlarının belirlenmesi amacıyla bölütlendirilmiş alanı 8 yönlü tarayan bir algoritma geliştirilmiştir. İlgi alanlarının sayısının azaltılması amacıyla da morfolojik yapılandırma gerçekleştirilmiştir. Tümör tespiti aşamasında ise üç yöntem kullanılmıştır. Birinci yöntemde, belirlenen ilgi alanlarının tek tek incelenebilmesi için bu alanlar bağlantılı bileşen etiketleme yöntemi ile etiketlenmiştir. İkinci yöntemde, etiketlenen ilgi alanlarını ilk aşamada elemek üzere bir nesne merkezi tabanlı 8 yönlü tarama algoritması geliştirilmiştir. Üçüncü yöntem olarak kural tabanlı bir algoritma ile ilgi alanlarının şekilsel özellikleri incelenmiştir. Böylece tümörler başarılı bir şekilde tespit edilmiştir. Üçüncü bölümde tespit çalışmalarında elde edilen sonuçlar incelenerek, son olarak dördüncü bölümde değerlendirme ve öneriler açıklanmaktadır. Sonuçlar kullanılan yöntemlerin tümör tespiti açısından gelişmeye açık olduğunu göstermiştir. ABSTRACT COMPUTER-AIDED DETECTION OF BRAIN TUMORS USING ADVANCED IMAGE PROCESSING AND PATTERN RECOGNITION TECHNIQUES Computer-aided detection applications has managed to make significant contributions to medical world in today's technology. Computer Aided Detection (CAD) is a system that incorporates advanced pattern recognition and image analysis capabilities to aid radiologists in the detection of abnormalities on medical images. This system save time to radiology specialists, and minimize errors which may occur on decision-making. This dissertation provides methods on detecting tumors in brain magnetic resonance images. The main topics of the method for tumor detection are as follows: the pre-processing stage, the segmentation stage, the stage of identifying areas of interest and the stage of detecting of tumors. In the first part of this study, digital images and the basic characteristics of them are explained, and especially given information about the DICOM file format which was also used in this thesis. The medical imaging modalities, Computerized Tomography (CT) and magnetic resonance (MR) imaging are explained. Especially MR imaging method discussed in more detail, on the characteristics of the images obtained by this method are given. The first chapter also describes the performance metrics used in the evaluation of medical image. The first chapter also provided some brief information about brain tumors. Then the basic concepts of logic of image processing techniques are explained, especially those used in this thesis are briefly mentioned. Finally in the first chapter, the methods of computer-aided detection of abnormalities of brain MR images carried out in the literature are examined. In the second part of this thesis, data sets used in and properties of brain MR images in this data sets are described. The methods used for this thesis are examined under the headings of; preprocessing, segmentation, identification of region of interest and the detection of tumors. Among these methods, the 8-directional analyzing, the morphological reconstruction, object center based 8-directional analyzing and rule-based detection operations are described in detail. In this thesis, the preprocessing stage consists of median filter and histogram equalization. The density based thresholding was used as a segmentation method to extract the brain region. An algorithm that searched the segmented region in 8 directions was developed to extract the regions of interest. Morphological reconstruction was performed to reduce the numbers of the regions of interest. To detect the tumors three methods were developed. While the first one labeled the regions of interest using the connected component labeling method to analyze each region one by one. The second one used a object centroid based searching in 8 direction to eliminate the labeled region at the first stage. As the third method analyzed the morphological features of the regions of interest using a rule based algorithm. Finally the tumors were detected successfully. In the third section the results obtained from the studies are examined and finally the assessment and recommendations are described in the fourth part. The results indicate that the detection of tumors by the developed methods can be advance.