Görüntü işleme teknikleri ile gelişimsel kalça displazisi teşhisi

Abstract

Gelişimsel kalça displazisi (GKD) veya halk dilinde kalça çıkığı; femur (uyluk) başı ile asetabulum (çukurluk) arasındaki uyumsuzluk sonucu meydana gelen yapısal bir bozukluktur. GKD erken tanı ile başarılı bir şekilde tedavi edilebilir. Tanıda ve tedavide gecikme, ekstremite (uzuv) kısalığı, topallama ve fonksiyonel özürlülük gibi kısıtlı hareket bozukluklarına neden olabilir. GKD'nin tıbbi açıdan kontrolü çoğunlukla bebeklik döneminde (0-3 ay) uzman doktor tarafından yapılmaktadır. Bu kontrol fiziksel muayene ve ultrason (US) çekimi sonrası kontrol olmak üzere iki farklı teknikle yapılmaktadır. Uzmanlar, fiziksel muayenede teşhis zorluğundan dolayı US görüntüleme tekniğine yönelmektedir. Bu yöntemde, US görüntüleri üzerinden uzmanın manuel olarak belirlediği referans noktalarına göre uzaklık ve açı ölçümleri yapılmakta ve teşhis konulmaktadır. Ölçümler sırasında uzmandan, görüntülemeden ve ölçmeden kaynaklanan hatalar ortaya çıkabilmektedir. Bu sebepten dolayı bilgisayar destekli ölçüm ve teşhis sistemine ihtiyaç duyulmaktadır.Bu çalışmada GKD hastalığının, US görüntüleri üzerinde bilgisayar yardımıyla otomatik teşhisine yönelik bir sistem gerçekleştirmiştir. Çalışma sayesinde hastalığın erken teşhis ve dolayısıyla tedavisine katkı sağlanması amaçlanmaktadır. Ayrıca teşhis işleminde uzman hatasının en aza indirilmesi de hedeflenmiştir. Hastalığın yeni doğan ve bebeklik dönemlerinde herhangi bir anda ortaya çıkabileceği düşünüldüğünde, uygulamada oluşacak zorlukların önüne geçilmiş olunacaktır. Otomatik teşhis sistemi ile hastalığın erken teşhisi ve tedavi başarısını artırmak hedeflenmektedir.Çalışmada ilk olarak; görüntülere yaygın olarak bilinen ve US görüntülerindeki gürültüleri azaltıp, görüntü kalitesini artıran filtreler uygulanmıştır (Ortalama, Ortanca, Perona Malik, Wiener, Gaussian, Lee ve Frost). Ardından, Aktif Kontur Model ve Dairesel Hough Dönüşümü yöntemleri kullanılarak ilium ve femur bölgelerinin tespiti yapılmıştır. Bir sonraki aşamada, GKD teşhisinde kullanılan ve literatürde kabul görmüş Graf yönteminin uygulanabilmesi için gerekli olan alfa ve beta açıları; görüntü üzerinde çeşitli morfolojik görüntü işleme algoritmaları kullanılarak belirlenmiştir (İnceltme, İskelet Çıkarım, Budama ve Dal Noktası Belirleme). Son aşamada ise, alfa ve beta açıları kullanılarak Graf yöntemi tiplendirilmesi yapılmış ve uzman bilgileri ile karşılaştırılarak sistemin başarısı ölçülmüştür. Ayrıca Graf yöntemine alternatif olarak, sistemden elde edilen alfa ve beta açıları ile bu çalışmada GKD teşhisine yeni bir yaklaşım olan temel çizgi/femur oranı özellik değerleri yapay zekâ teknikleri kullanılarak sınıflandırma yapılmıştır. Bu yöntemden alınan sonuçlar, Graf yöntemi ile karşılaştırılmıştır.

Developmental Dysplasia of the Hip (DDH) or dislocation of the hip is a structural defect which results in incompatibility between the femoral head and the acetabulum. DDH can be treated easily at its early stage. Delay in diagnosis and treatment can cause the extremities (limbs) to shorten, claudication and restricted movement disorders leading to functional disabilities. Medical control of the DDH is carried out by specialist doctors especially during the infancy period (0-3 months). This control is accomplished using two different techniques; the physical examination and the control after ultrasound (US) capture respectively. Specialists are adopting the US imaging technique because of the difficulty in diagnosing DDH based on the physical examination solely. In this method, distances and angles are measured on US images according to the reference points set manually by the specialist and then a diagnosis is carried out. Measurement errors may occur due to specialist or the quality of US image or techniques used. Therefore, computer-aided measurement and diagnostic systems is needed.In this study, a computer aided self-diagnosis system was realized to diagnose the DDH disease on ultrasound images. The objective of the study is to alleviate the problems related to early diagnosis. Also, one of the goals is to minimize human error or specialist error in the diagnosis. As the disease may occur at any time in the newborn stage and in the infancy, the system could prevent difficulties that may occur in practice. The aim is to increase treatment success rate of the disease by contributing to early diagnosis using the implementation of the self-diagnosis system.As a first step the widely known filters are applied to images in order to improve the image quality. The type of filters used are the Mean, Median, Gaussian, Wiener, Perona &Malik, Lee, Frost, namely. Then, Active Contour Models and Circular Hough Transform Method were applied to determine the iliac and femoral regions. In the next stage, alpha and beta angles were required for the implementation of the Graf method, which is widely acknowledged in the literature and used in the DDH diagnosis. These alpha and beta angles were determined by applying a variety of morphological image processing algorithms on the images (Thinning, Skeletonization, Pruning and Branchpoints). In the final stage, typing was performed with the Graf method using alpha and beta angles, and the performance of the system was measured by comparing the types to the specialist's results. In addition, as an alternative method to Graf, alpha and beta angles and as a new approximation to the GKD diagnosis, base line/femoral ratio feature values obtained from the system were classified using artificial intelligence techniques. Results from this method are compared to the Graf method.