Beyin mr görüntülerinin dalgacık dönüşümü ve özörgütlemeli harita ağları kullanılarak bölütlenmesi

Abstract

MR görüntüleme tekniği ağrısız ve hasta vücuduna zarar vermeden uygulanan, özel bir makine ile kemiklerin ve diğer dokuların görüntülerinin alındığı bir tıbbi görüntüleme metodudur. Yüksek kalitede tıbbi görüntüler elde etmek amacıyla geniş ölçüde kullanılmaktadır. Beyin MR görüntülerinin bölütlenmesi, ilgilenilen dokuların diğer dokulardan ayrılarak belirgin hale getirilmesi, beyin tümörleri ve diğer nörolojik hastalıkların teşhisi amacıyla gerekli olan çok önemli ve zor bir işlemdir. Bu çalışmada, beyin MR görüntüleri gri cevher, beyaz cevher ve beyin-omurilik sıvısı sağlıklı dokuları ile varsa tümör ve ödem hastalıklı dokularına bölütlenmektedir. Literatürde bu tez çalışmasındaki yöntemleri kullanarak tümör ve ödem ile birlikte sağlıklı beyin dokuları bir arada bölütleyen bir çalışma bulunmamaktadır.Bu çalışmada, beyin dokularının bölütlenmesi işlemi, gerçek beyin görüntüleri kullanılarak oluşturulmuş beyin modeli, sağlıklı kişilere ait beyin MR görüntüleri ve beyninde tümör bulunan kişilere ait hastaneden toplanan beyin MR görüntüleri üzerinde gerçekleştirilmiştir. Eşyönsüz yayınım filtresi ile filtrelenen görüntüler çakıştırılarak aynı koordinat sisteminde gösterilmiştir. Beyin dokusu dışındaki alanları görüntülerden çıkartmak için eşikleme ve morfolojik işlemleri bir arada kullanan bir algoritma geliştirilmiştir. Görüntülerden özellik çıkartmak için dalgacık dönüşümü yöntemi kullanılmıştır. Bölütleme işlemi için danışmansız bir yapay sinir ağı olan özörgütlemeli harita ağı kullanılmıştır. Özörgütlemeli harita ağı, el ile etiketlenmiş görüntü bölgeleri ve çıkış nöronlarının isabet histogramına dayanarak geliştirilen algoritma ile etiketlenmiştir. Nöronların en iyi konumunu ayarlamak için danışmanlı bir yöntem olan öğrenmeli vektör nicemleme algoritması kullanılmıştır. Sonuçlar, duyarlılık, belirlilik ve elle yapılan bölütleme ile sistemden elde edilen bölütleme sonuçlarının örtüşme oranlarını gösteren Dice benzerlik indeksine göre değerlendirilmiştir. Bölütleme işleminin adımlarını sonuçlarını görerek gerçekleştirebilmek üzere MATLAB ortamında bir grafik ara yüz geliştirilmiştir. Bölütleme sonuçları, beyin MR görüntülerinin bölütlenmesinin dalgacık dönüşümü ve özörgütlemeli yapay sinir ağları ile mümkün olduğunu göstermiştir.

MR is a painless and noninvasive medical imaging technique in which images of bones and other tissues are taken with a special machine. It is widely used in order to obtain high quality medical images. Segmentation of brain MR images, i.e. separation of tissues of interest from other tissues, and making them clear is a very important and difficult task that is required for the detection of brain tumors and other neurological diseases. In this study, brain MR images are segmented into healthy tissues as white matter, grey matter and cerebrospinal fluid, and if any tumor and edema. In the literature, there are no studies that segments healthy brain tissues together with tumor and edema utilizing the methods used in this study.In this study, tissue segmentation of brain MR images is performed on a brain model that is generated using real brain MR images, brain MR images of healthy people and brain MR images of patients with tumor that are obtained from the hospital. Images that are filtered using anisotropic diffusion filter are aligned to the same coordinate system by registration. An algorithm that combines thresholding and morphological processes is developed to remove the areas other than the brain tissues from the images. Wavelet transform is used to obtain features from the images. Self-organizing map which is an unsupervised neural network is used for the segmentation process. Self-organizing map is labeled using the developed algorithm that is based on manually labeled image regions and hit histograms of the output neurons. Supervised learning vector quantization algorithm is used to adjust the best settlements of the neurons. Results are evaluated by sensitivity, specificity, and Dice similarity index that shows the overlap of the manual segmentation and the segmentation results obtained from the system. A graphical user interface is developed in MATLAB environment to perform the steps of the segmentation process by seeing the results of each step. Segmentation results indicate that segmentation of the brain MR images was feasible by wavelet transform and self-organizing maps neural networks.