Mamogram imgelerinde göğüs kanseri teşhisi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2013

Tezin Dili: Türkçe

Öğrenci: ONUR KILINÇ

Danışman: SEMİH ERGİN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tezde, mamogram imgeleri kullanılarak çağımızda en sık karşılaşılan kanser türlerinden biri olan göğüs kanserinin tanısı ve teşhisi hedeflenmiştir. Bu amaç doğrultusunda, tezin ilk aşamasında, X-ışını mamogramları üzerinden normal ve kanserli dokuyu ayırt etmek için çalışmalar yapılmıştır. Bu kapsamda, Histogram of Oriented Gradients (Yönlendirilmiş Gradyanların Histogramı, HOG), Dense Scale Invariant Feature Transform (Ölçekten Bağımsız Yoğun Öznitelik Dönüşümü, DSIFT), Local Configuration Pattern (Yerel Konfigürasyon Örüntüsü, LCP) öznitelik çıkartma yöntemleri kullanılmıştır. Elde edilen öznitelikler, Support Vector Machine (Destekçi Vektör Makinesi, SVM), K-Nearest Neighbour (K-En Yakın Komşu, KNN), Fisher Linear Discriminant Analysis (Fisher Doğrusal Ayırtaç Analizi, FLDA) ve Karar Ağacı sınıflandırıcılarına tabi tutulmuş ve %100 tanıma oranı başarısı sağlanmıştır. Tezin ikinci aşamasında ise, normal, iyi huylu ve kötü huylu göğüs kanseri yapılarının sınıflandırılması amaçlanmıştır. Bu bağlamda, öncelikle, iki sınıflı çalışmada kullanılan yöntemler tekrarlanmış olup; istenilen sonuçlar alınamamıştır. Başarı oranlarını arttırmak için, iki adet farklı ve yeni yaklaşım bu tez kapsamında önerilmiştir. Bu yaklaşımlardan ilki, öznitelik çıkartım adımından önce bazı önişlemler uygulanmasını öngören ve çeşitli ağırlıklandırma parametrelerine sahip Weighted-Wavelet LCP (Ağırlıklı Dalgacık Yerel Konfigrasyon Örüntüsü, WWLCP) yöntemidir. Önerilen yaklaşımlardan ikincisi ise, iki sınıflı çalışmada %100 başarı sağlamış öznitelik çıkartma yöntemini kullanarak öncelikle normal dokuların düzgün bir şekilde ayrılmasını sağlayan ve ardından WWLCP yöntemini kullanarak iyi huylu-kötü huylu kanser dokusu teşhisini gerçekleştiren iki seviyeli çalışmadır. Bu iki seviyeli çalışmada, IRMA (Image Retrieval in Medical Applications) projesi kapsamında edinilmiş veritabanı için % 99,20 gibi üstün bir sınıflandırma başarısına ulaşılmıştır.