Bulanık sınıflandırma ile beyin MR görüntülerinde tümör tespiti
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Bu tez çalışmasında, insan düşünce sistemine yakın olan bulanık sistemin getirdiği avantajlar kullanılarak beyin MR görüntüsünde tümör tespitinde iyileştirmeler elde edilmeye çalışılmıştır. Yapılan çalışmada görüntü verisi olarak, geliştirilen algoritmaların test edilmesi için özel hazırlanan, tümörlü bölgeleri belli MR görüntüsü kullanılmıştır. Uygulamalarda bulanık sistemin klasik sistemlere göre karar aşamasında çok daha başarılı olduğu sonucuna varılmıştır.Beyin MR görüntüsünde tümörlü bölgenin tespiti için öncelikle kümeleme algoritmaları denenmiş ve görüntü gri seviyesine göre farklı bölgelere ayrılmaya çalışılmıştır. İlerleyen safhalarda kural tabanlı bulanık sistem ile görüntüdeki tümörlü bölge sınıflandırılmıştır. Kural çıkarımı için yine kümeleme algoritmalarından faydalanılmıştır.Yapılan testler kümeleme algoritmaları arasında kesin bir üstünlükten söz edilemeyeceğini göstermiştir. Eldeki veriye göre farklı algoritmalar başarılı sonuçlar verebilmektedir. Kümeleme algoritmalarındaki başarıda en büyük etken algoritma için gerekli parametrelerin isabetli bir şekilde kestirilmesidir.Bu sonuçlar çerçevesinde, uygulanan kural tabanlı bulanık sistemin en iyi performansı göstermesi için kural çıkarımında kullanılan bulanık c-ortalama kümeleme algoritması farklı parametreler ve görüntüden elde edilen farklı özellikler ile denenmiş ve başarılı sonuçlar elde edilmiştir. The goal of this work is to improve the performance of the detection of tumor areas in MR brain images using the advantages of fuzzy system. We have made available synthetic MR brain images presenting tumor, that is generated by inserting pathology into a healthy MR brain image with known ground truth. That is provide us to testing the algorithms developed. At the end of work we have had a decision that fuzzy systems has advantages over the crisp systems.To detection of tumor areas we have implemented clustering algorithms, and segmented the image different areas in the first section. Secondly, the tumor areas classified using rule based system. At this step, clustering algorithms were used for extracting the rules.Experimental results show that, there is no superiority between clustering algorithms. The most important fact superioring the clustering algorithm is that estimating the parameters of algorithms properly. One more point to keep in mind is that different clustering algoritms could be useful for different data.We have tried fuzzy c-means (fcm) algorithm with different parameters for extracting of the rules for fuzzy rule based system in order to have the best classification results.
Collections