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.
