Tez No	İndirme	Tez Künye	Durumu
519404		Mide kanserinin tespiti için görüntü işleme teknikleri kullanılarak bir karar destek sisteminin geliştirilmesi / Development of a decision support system by using image processing techniques for detecting stomach cancer Yazar:ALİ YAŞAR Danışman: PROF. DR. İSMAİL SARITAŞ Yer Bilgisi: Selçuk Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora Türkçe 2018 145 s.
Mide kanseri, başlangıçta neredeyse hiç belirti vermediği için erken evrede tespit edilmesi zor olan bir kanser türüdür. Mide kanseri, hem dünyada hem de Türkiye'de görülme sıklığı giderek artan bir kanser türüdür. Mide kanseri tanısında dünya genelinde en yaygın kullanılan yöntem endoskopidir. Ancak kesin teşhis endoskopik yöntemle alınan biyopsi sonucu ile konmaktadır. Endoskopi ile tanı oldukça spesifik ve hassas bir yöntemdir. Yüksek çözünürlüklü endoskopi ile mukoza yüzeyinin hafif renk değişikliklerini, kabarıklıklarını ve yapısal değişikliklerini tespit etmek mümkündür. Ancak yapılan işlemler doktor gözüyle yapıldığı için kanserli bölgelerin gözden kaçırılması ve/veya eksik tespit edilebilmesi söz konusu olabilmektedir. Kanserli alanın tamamen tespit edilememesi, hastaya cerrahi müdahaleden belli bir süre sonra kanser vakasının nüksetmesi problemi ile karşı karşıya kalınabilmektedir. Bu problemin ortadan kalkması için uzman doktor yardımıyla ve görüntü işleme tekniklerini kullanarak bir bilgisayarlı karar destek sistemi (BKD) gerçekleştirilmiştir. v Gerçekleştirilen BKD sistemi gastroenteroloji doktorlarına yardımcı bir asistan gibi çalışarak midede endoskopik görüntülerde kanserli alanın tespit edilmesi, bu alanlardan biyopsinin alınması ve daha iyi tanı konmasına yardımcı olmaktadır. Bu tez çalışmasında Gastroenteroloji bilim dalına gelen hastalardan biyopsi alınan ve patolojik sonucunda kanser teşhisi konulan hastalardan temin edilmiş endoskopi görüntüleri üzerinde çalışılmıştır. Kanserli alanın tespit edilmesi için Bölge Büyütme (BB), İstatistiksel Bölge Birleştirme (İBB), İstatistiksel Bölge Birleştirmede Bölge Büyütme (İBBBB) yöntemleri uygulanmıştır. Uygulanan yöntemler sonucunda elde edilen bölge kesin kanserli bölge olarak ifade edilmemelidir. Ancak bu uzman doktorların biyopsi işlemini bir kereden fazla yapması yerine tespit edilen alanlardan da biyopsi örneği alarak hastaların daha fazla endoskopi ve biyopsi işlemine maruz kalmalarını önleyebilecektir. Böylece bu çalışma ile hastaların morallerinin bozulmasını, fazla biyopsi sonucu oluşabilecek komplikasyonları ve doktorlara karşı oluşabilecek güven kaybını engellemiş olacaktır. Endoskopi görüntülerinde yapılan BB yöntemine göre kitle-doku sınıflandırması sonuçlarına göre en yüksek sınıflandırma doğruluğu %99.63, en yüksek duyarlılık %94.59, en yüksek belirleyicilik %100 ve en yüksek ROC eğrisi değeri ise %97.29'dır. İBB yöntemine göre kitle-doku sınıflandırması sonuçlarına göre en yüksek sınıflandırma doğruluğu %98.33, en yüksek duyarlılık %89.34, en yüksek belirleyicilik %100 ve en yüksek ROC eğrisi değeri ise %90.82'dır. İBBBB yöntemine göre kitle-doku sınıflandırması sonuçlarına göre en yüksek sınıflandırma doğruluğu %98.25, en yüksek duyarlılık %99.43, en yüksek belirleyicilik %100 ve en yüksek ROC eğrisi değeri ise %94.52 elde edilmiştir.
Stomach cancer is a type of cancer that is hard to detect at an early stage because it gives almost no symptoms at the beginning. Stomach cancer is an increasing incidence of cancer both in the World as well as in Turkey. The most common method used worldwide for gastric cancer diagnosis is endoscopy. However, definitive diagnosis is made with endoscopic biopsy results. Diagnosis with endoscopy is a very specific and sensitive method. With high-resolution endoscopy it is possible to detect mild discolourations, bulges and structural changes of the surface of the mucosa. However, because the procedures are performed with the eye of a doctor, it is possible that the cancerous areas may be missed and / or incompletely detected. Because of the fact that the cancerous area can not be completely detected may cause the problem of cancer recurrence after a certain period of surgical intervention. In order to overcome this problem, a computerized vii decision support system (CDS) has been implemented with the help of specialist physicians and image processing techniques. The performed CDS system works as an assistant to doctors of gastroenterology, helping to identify the cancerous area in the endoscopic images of the scaffold, to take biopsies from these areas and to make a better diagnosis. In this thesis study, endoscopy images obtained from patients who came to gastroenterology discipline were obtained from patients who were biopsied and diagnosed as pathologically proven cancer. Region growing (RG), Statistical Region Merging (SRM), Statistical Region Merging with Region Growing (SRMWRG) methods were applied to determine the cancerous area. The area obtained as a result of the applied methods should not be expressed as a definite cancerous region. However, this would prevent patients from being subjected to more endoscopy and biopsy by taking biopsy specimens from established areas instead of performing more than one biopsy procedure by specialist doctors. Thus, this study would have prevented the deterioration of patients' morale, the complications that may result in excessive biopsy, and the loss of faith that may arise against doctors. According to the mass-tissue classification results with RG method performed on endoscopy images, the highest classification accuracy is 99.63%, the highest sensitivity is 94.59%, the highest determination is 100% and the highest ROC curve value is 97.29%. The highest classification accuracy was 98.33%, the highest sensitivity was 89.34%, the highest predictive value was 100% and the highest ROC curve value was 90.82% according to the mass-tissue classification results with the SRM method. Also, the highest classification accuracy was 98.25%, the highest sensitivity was 99.43%, the highest specificity was 100%, and the highest ROC curve value was 94.52% according to the mass-tissue classification results with SRMWRG method.