Tez No	İndirme	Tez Künye	Durumu
392522		Endoskopik ultrason görüntülerinde kronik pankreatit ve pankreas kanserinin yaşa göre bilgisayar destekli teşhisi / Age-based computer-aided detection of chronic pancreatitis and pancreatic cancer on endoscopic ultrasonography images Yazar:MURAT ÖZKAN Danışman: DOÇ. DR. MURAT ÇAKIROĞLU Yer Bilgisi: Sakarya Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Bilgisayarlı görüntüleme = Computer imaging ; Sayısal görüntü analizi = Digital image analysis ; Sayısal görüntü işleme = Digital image processing ; Teşhis-görüntüleme = Diagnostic imaging ; Tıbbi görüntüleme = Medical imaging	Onaylandı Doktora Türkçe 2015 113 s.
Kronik pankreatit (KP) ve pankreas kanseri (PK), pankreasın fonksiyonlarını bozan ve ölümcül olabilen rahatsızlıkların başında gelmektedir. Pankreas kanseri, kötü huylu tümörlerin pankreas bölgesinde gelişmesi sonucu ortaya çıkmaktadır. Bu tümörler çok kısa süre içerisinde büyümesine karşın diğer organlara baskı yapmadığı için hastada önemli belirtiler görülmemektedir. Çoğu durumda da belirtilerin ortaya çıkması kanserin tedavi edilemeyecek hale gelmesi anlamına gelebilmektedir. Dolayısıyla, kanserin erken dönemde teşhisi hayatta kalma oranlarının arttırılması açısından son derece önemlidir. Kronik pankreatit ise pankreasın iltihaplanma hastalığıdır ve bu rahatsızlıkta değişikliklerin ortaya çıkması uzun yıllar alabileceği için erken evrede tanınması oldukça zordur. Hastalığı normal pankreas dokusundan ve pankreas kanserinden ayırmak da son derece güç olabilmektedir. Pankreas kanserinin ve kronik pankreatitin teşhisinde, MR ve BT'ye oranla daha yüksek hassasiyete sahip olduğu için Endoskopik Ultrason (EUS) tercih edilmektedir. Ancak, uzmanlar kesin tanı için genelde biyopsiye başvurmaktadır. Fakat biyopsinin invazif bir yöntem olması ve özellikle de pankreas bölgesi için uygulanmasının zor olması daha farklı çözümlerin geliştirilmesini gerektirmektedir. Son yıllarda, yapay zeka tekniklerindeki gelişmeler, hekimlere tanıda yardımcı olacak Bilgisayar Destekli Teşhis (BDT) sistemlerinin geliştirilmesinin önünü açmış ve farklı bir çok rahatsızlığın teşhisine katkı için BDT sistemleri geliştirilmiştir. Bu tez çalışmasında, EUS görüntülerinde pankreas kanserinin ve kronik pankreatitin normal pankreas dokusundan ayrılmasını sağlayacak yarı-otomatik bir BDT sistemi geliştirilmiştir. Önerilen sistemde, literatürdekilerden farklı olarak pankreasın yaşa göre gösterdiği morfolojik değişiklikler dikkate alınarak EUS görüntüleri hastaların yaşına göre 3 ayrı gruba bölünmüştür. 40 yaşından küçük, 40 ile 60 yaş arası ve 60 yaşından büyük olarak ayrılan görüntüler ayrı ayrı sisteme öğretilmiş ve sınıflandırma ayrı bir şekilde gerçekleştirilmiştir. Böylece, daha yüksek başarım elde edilmesi hedeflenmiştir. Tasarımın ilk adımında uzman eşliğinde pankreas bölgesi işaretlenerek kesilmiştir. Sonrasında, bu bölgeden 122 adet özellik çıkarılmıştır, son olarak da Destek Vektör Makinaları (DVM) ile vakalar PK-sağlıklı, KP-sağlıklı, KP-PK olmak üzere ikili olarak sınıflandırılmıştır. Sistemin başarım değerlendirilmesi için 202 kanserli, 130 sağlıklı ve 69 pankreatitli olmak üzere toplamda 401 adet EUS görüntüsü kullanılmıştır. Gerçekleştirilen deney sonuçlarına göre önerilen sistem ile yaş grupları dikkate alındığında pankreas kanseri ile kronik pankreatit vakaları %97.95 doğruluk ile panreas kanseri ile normal pankreas ayrımı %96.15 oranında, kronik pankreatit ile normal pankreas dokusu ise %100 oranı ile teşhis edilebilmiştir. Sonuç olarak hekimlere kronik pankreatit ve pankreas kanserinin ayrımında destek olabilecek bir BDT sistemi önerilmiştir.
Chronic Pancreatitis (CP) and Pancreatic Cancer (PC) are the leading diseases that impair pancreas functions and that can be fatal. PC is caused by the development of malignant tumors in pancreas region. Although these tumors grow in a very short time, important symptoms are not observable in patients since these tumors do not press on the other organs. In most cases, when symptoms occur, the cancer has already spread too far to be cured. Therefore, early detection of PC is crucial to increase the survival rate. CP is the inflammation of the pancreas and early diagnosis is difficult since it may take years for the changes to emerge. It is also extremely hard to differentiate this disease from normal pancreas tissues and pancreatic cancer as well. Endoscopic Ultrasonography (EUS) is preferred in the diagnosis of pancreatic cancer and chronic pancreatitis due to better precision compared to MR and CT. However; experts normally resort to biopsy for definitive diagnosis. Since biopsy is an invasive method and especially difficult to be implemented in the pancreas region, different solutions need to be developed in this field. Recent developments in artificial intelligence techniques have paved the way for physicians to develop Computer-aided Detection (CAD) systems and CAD systems have been developed to contribute to the diagnosis of many diseases. In this thesis, different from the studies in the literature, a semi-automatic CAD system was developed that allows separation of normal pancreatic tissues from tissues with pancreatic cancer and chronic pancreatitis. EUS images in the proposed system were divided into three groups based on patients' ages considering the morphological changes observed in the pancreas due to aging. Images divided into three groups as younger than 40, between 40 and 60 and older than 60 were taught to the system separately and classified to obtain higher performance. The first step in the design includes marking and cutting the pancreas region. Later 122 features were extracted from this region and the most important 20 features were selected. At the final stage, the cases were dyadically classified with the help of Support Vector Machines (SVM) as PC-healthy, CP-healthy and CP-PC. A total of 401 EUS images were utilized (202 cancer, 130 healthy and 69 pancreatic) for system performance. According to the results of the experiment and taking the age groups into account, the proposed system detected pancreatic cancer and chronic pancreatitis cases with 97.95% accuracy rate, differentiated between pancreatic cancer and normal pancreas with 96.15% accuracy and chronic pancreatitis and normal pancreas tissues with 100% accuracy rate. Results indicate that the study proposes a CAD system that can support physicians in differentiating between pancreatic cancer and chronic pancreatitis cases.