Mamogram üzerinden bilgisayar destekli kanser teşhisi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Ondokuz Mayıs Üniversitesi, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2013

Tezin Dili: Türkçe

Öğrenci: İLKE TUNALI

Danışman: Erdal Kılıç

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Meme kanseri dünyada kadınlar arasında en sık rastlanan kanser türüdür ve bilinen en etkili tedavi yöntemi erken teşhistir. Mamografi meme kanserinin erken teşhisi için kullanılan tek görüntüleme yöntemidir. Günümüzde bir çok bilim insanı mamogram üzerinden bilgisayar destekli kanser tespiti ve teşhisi üzerine çalışmaktadır, ancak halen tam anlamıyla başarılı olmuş bir sistem yoktur. Bu tez çalışmasında da bu amaç doğrultusunda bilimsel kullanıma açık olan DDSM veri tabanından alınmış mamografik görüntüler kullanılarak kitleler iyi huylu veya kötü huylu olarak sınıflandırılmıştır. Ayrıca, önerilen yöntemde yer alan bölütleme algoritması kullanılarak, elde edilen kitle bölütleme sonuçları uzman bir radyolog tarafından çizilen kitle sınırları ile karşılaştırılmıştır. Geliştirilen sistem 4 aşamadan oluşmaktadır. Bunlar; önişleme, bölütleme, özellik çıkarımı ve sınıflandırma aşamalarıdır. Önişleme aşamasında Bulanık Kontrast Sınırlı Adaptif Histogram Eşitleme yöntemi otomatik hale getirilerek görüntü iyileştirme işlemi yapılmıştır. Bölütleme aşamasında iyileştirilmiş görüntülerde bulunan kitleler Yerel Chan-Vese algoritması kullanılarak bölütlenmiştir. Özellik çıkarımı aşamasında, bölütlenen kitlelerden elde edilen 10 adet morfolojik özellik ile gri seviye eş oluşum matrisleri kullanılarak elde edilmiş 7 adet doku özelliği çıkartılmıştır. Doku özellikleri hem kitlenin sınır bölgelerinden hem de kitlenin bulunduğu ilgili bölgenin tamamından çıkartılarak ayrı ayrı sınıflandırma aşamasında Destek Vektör Makinesi (DVM) ve LVQ ağına verilerek test edilmiştir. Bütün ilgili bölgeden alınan doku özellikleri ile morfolojik özellikleri içeren özellik vektörü kullanıldığında DVM ile %80 doğru sınıflandırma oranı elde ediliriken, LVQ ile %71 doğru sınıflandırma oranı elde edilmiştir. Sınır bölgelerinden alınan doku özellikleri ile morfolojik özellikleri içeren özellik vektörü kullanıldığında ise, DVM ile %84 doğru sınıflandırma oranı elde edilirken, LVQ ile bu oran %75 olarak görülmüştür.