Tez No	İndirme	Tez Künye	Durumu
185017		Tıbbi görüntülemede bilgisayar destekli tespit / Computer aided detection in medical imaging Yazar:SERHAT ÖZEKES Danışman: PROF.DR. YILMAZ ÇAMURCU Yer Bilgisi: Marmara Üniversitesi / Fen Bilimleri Enstitüsü / Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2006 171 s.
ÖZETTIBBİ GÖRÜNTÜLEMEDE BİLGİSAYAR DESTEKLİ TESPİTBilgisayar Destekli Tespit (BDT) yazılımları, ileri örüntü tanıma ve görüntüişleme yöntemlerini kullanarak radyoloji uzmanlarına medikal görüntülerdekianormalliklerin tespitinde yardımcı olan yazılımlardır. BDT yazılımları anormalliklerinerken tespitinde radyoloji uzmanına ikinci bir gözden geçirme imkanı tanır. Bu tez,mamografi görüntülerindeki kitlelerin ve akciğer BT görüntülerindeki nodüllerin tespitedilmesini amaçlayan verimli teknikler ortaya konmuştur. Tez çalışmasının anabaşlıkları şu şekildedir: (1) Bölütlendirme; (2) ilgi alanlarının belirlenmesi; (3)anormalliklerin tespit edilmesi amacıyla ilgi alanlarının sınıflandırılması.Meme ve akciğer bölgesini bölütlendirmek amacıyla literatürdeki bölütlemeyöntemlerine alternatif bir yöntem olarak genetik algoritma ile eğitilmiş hücresel yapaysinir ağları kullanılmıştır. Ayrıca akciğer bölgesini bölütlendirmek amacıyla ikinci biryöntem olarak kural tabanlı bölütleme gerçekleştirilmiştir. İlgi alanlarının belirlenmesiamacıyla yoğunluk tabanlı bir yöntem kullanılmıştır. Bu yöntem, bölütlendirilmiş alanıyoğunluk eşik değerleriyle 8 yönlü tarayarak ilgi alanlarını belirlemiştir. Seri akciğer BTgörüntülerindeki ilgi alanlarının sayısının azaltılması amacıyla bir ön-sınıflandırmagerçekleştirilmiştir. Bu yöntem ile mevcut kesitteki ilgi alanlarının üst ve alt kesitlerdekikonum değişimleri incelenmiştir. Konum değişim miktarının beklenenden fazla olmasıdurumunda gözlem altındaki ilgi alanı normal bir yapı olarak değerlendirilmiştir. İlgialanlarının sınıflandırılması amacıyla üç yöntem kullanılmıştır. İlkinde kural tabanlıalgoritma ile ilgi alanlarının morfolojik özellikleri incelenirken, ikinci yöntemdebenzerlik ölçümü olarak hata tabanlı iki adet kuralın kullanıldığı bir şablon eşlemetekniği kullanılmıştır. Üçüncü yöntem olarak şablonun genetik algoritma ile eğitildiğibaşka bir şablon eşleme yöntemi kullanılmıştır. Bu yöntemde eğitilmiş şablon ile her birilgi alanı arasındaki benzerlik konvolüsyon kullanılarak ölçülmüştür. Böyleceanormallikler başarılı bir şekilde tespit edilmiştir.Sonuçlar kullanılan yöntemlerin anormallik tespit performanslarının tatmin ediciolduğunu, akciğer nodüllerinin ve mamogram kitlelerinin bilgisayar destekli tespitindede verimliliği arttırabileceğini göstermiştir.Aralık, 2006 Serhat ÖZEKES
ABSTRACTCOMPUTER AIDED DETECTION IN MEDICAL IMAGINGComputer Aided Detection (CAD) is a system that incorporates advanced patternrecognition and image analysis capabilities to aid radiologists in the detection ofabnormalities on medical images. CAD systems provide a targeted second review forbusy radiologists in order to improve the early detection of abnormality. Thisdissertation provides efficient techniques on detecting masses in mammograms anddetecting nodules in lung CT slices. The main topics of the study are as follows: (1)Segmentation; (2) extraction of the regions of interest (ROIs); (3) classification of ROIsin order to detect abnormalities.To segment the breast and lung region, genetic algorithm trained cellular neuralnetworks was used as an alternative to the known segmentation algorithms in literature.Also a rule based algorithm was used as a second method to extract the lung region. Adensity threshold based algorithm was used to extract the ROIs. This algorithm searchedthe segmented region with density thresholds in 8 directions. A pre-classification wasperformed to reduce the numbers of ROIs in serial CT lung images. This algorithmexamined the location changes of ROIs in current slice with upper and lower slices. Ifthe location change value was greater than expected than the ROI under observation waspre-classified as normal. To classify the ROIs three algorithms were developed. Whilethe first one analyzed the morphological features of the ROIs using a rule basedsubsystem, the second one used a template matching algorithm with two error basedrules as the similarity measure. As the third algorithm another template matchingalgorithm was used where the template was trained using genetic algorithm. In thisalgorithm the similarity between the trained template and each ROI was measured by theconvolution operation. Finally the abnormalities were detected successfully.The results indicate that the detection performance of the developed algorithmswere satisfactory, and may improve the efficiency of computer-aided detection of lungnodules and mammogram masses.