Mr görüntüleri kullanarak otomatik beyin tümörü tespiti

Abstract

Amaç: Bu çalışma, bölütleme metotları kullanılarak beyin MR görüntülerindeki tümörlerin bölgelerinin belirlenmesi amacıyla yapılmıştır. Materyal ve Yöntem: Beyin MR görüntü veri setindeki beyin tümörlerinin sınır bölgelerinin tespitinde K-Ortalamalar, Bulanık C-Ortalamalar, Kendin Düzenleyen Haritalar ve Otsu metotları kullanılmıştır. Bununla birlikte bu metotların en başarılı olan K-Ortalamalar ve Otsu metotların birleşiminden hibrit K-Ortalamalar+Otsu metodu geliştirilmiştir. Bu metotlarla beyin tümör görüntülerinde bölütleme uygulamaları yapılmıştır. Bölütleme öncesinde, geliştirilen kafatası çıkarma yöntemiyle kafatası kısmı görüntüden çıkarılmıştır. Buna ek olarak görüntü üzerinde medyan, Gaussian ve Wiener filtreleriyle iyileştirmeler gerçekleştirildi. Bulgular: K-Ortalamalar, Bulanık C-Ortalamalar, Kendini Düzenleyen Haritalar, Otsu ve hibrit K-Ortalamalar+Otsu metotlarıyla bölütleme yapmak için sistemler geliştirilmiştir. Doğruluk, duyarlılık ve seçicilik başarı ölçülerine göre bu sistemlerin başarıları karşılaştırılmıştır. Hem kafatası çıkarılmadan hem de kafatası çıkarıldıktan sonraki sistemlerin başarıları test edilmiştir. Kafatası çıkarıldığında yaklaşık olarak %10 oranında daha iyi sonuçlar edildiği görülmüştür. Doğruluk ölçüsüne göre hibrit metot %94 ile en başarılı iken K-Ortalamalar %93 ile ikinci sırada olmuştur. Duyarlılığa göre ise yine en başarılı %94 ile hibrit metot olmuştur. Fakat seçicilik ölçüsüne göre K-Ortalamalar ve hibrit metodun her ikisi %93 ile en başarılı olmuşlardır. x Sonuç: Bu çalışmayla beyin MR görüntülerinde kafatası çıkarıldığında büyük ölçüde başarının arttığı tespit edilmiştir. Bölütleme metotlarıyla elde edilen sonuçlara göre hibrit K Ortalamalar+Otsu metodu diğer metotlardan daha başarılı olmuştur.

Objective: This research has been performed to determine the regions of tumors in brain MR images using segmentation methods. Material and Methods: The methods as K-Means, Fuzzy C-Means, Self Organizing Maps and Otsu have been used to detect the border regions of brain tumors in the brain MR image dataset. In addition, the hybrid K-Means+Otsu method has been developed from the combination of K-Means and Otsu methods which are the most successful in our systems. With these methods, the segmentation applications have been applied on the brain tumor images. Before the segmentation, the skull parts of the images have been removed from the brain image with the developed skull removing method. Furthermore, some restorations on the brain image have been made with median, Gaussian and Wiener filters. Results: To segment the brain image, some systems using K-Means, Fuzzy C-Means, Self Organizing Map, Otsu and hybrid K-Means+Otsu methods were developed. The success of these systems was compared with accuracy, sensitivity and specificity measures. With and without skull removal process, the success of the systems has been evaluated. After the skull removal, approximately 10% better results were obtained. The hybrid method was the most successful with 94% accuracy measure while the K-Means was the second with 93%. According to the sensitivity measure, the hybrid method has been the most successful with 94%. However, both K-Means and the hybrid method were the most successful with 93% by the measure of specificity. xii Conclusions: This study showed that the success rates have highly increased after the skull removal in brain MRI images. According to the results obtained with the segmentation methods, the hybrid K-Means+Otsu method has been more successful than the other methods.