Determinig brain illness images by using neural network

Abstract

Bu çalışmanın amacı, Manyetik Rezonans (MR) görüntülerini kullanarak beyin hastalıklarını öğrenebilen bir metot geliştirmektir. Hastalıkların tümör, menenjit ve inme olarak teşhis edilmesinde ve sınıflandırılmasında Yapay Sinir Ağları (YSA) yaklaşımı kullanılmıştır. YSA, öğrenme yeteneğinden dolayı tercih edilnmiştir. Öğrenme algoritması olarak geri yayılım algoritması kullanılmıştır. MR görüntüleri. Beyin hastalıklarını teşhisinde kullanılan örnek MR görüntüleri Fatih Üniversitesi Hastanesi Radyoloji bölümünden alınmıştır.Çalışmanın birinci bölümünde, aynı özellikte görüntüler elde edebilmek için MR görüntülerine önişlem uygulanmaktadır. Gereksiz ve fazla olan data miktarının azaltılması için öznitelik çıkarım metotları kullanılmıştır. Öncelikle resim 30x30 pixelden oluşan küçük karelere ayrılmıştır. Her karenin aritmetik ortalaması hesaplanarak, sistem girişi olarak kullanılacak olan öznitelik vektörü elde edilmiştir.İkinci kısımda ise, YSA tasarımı yapılmıştır. Eğitim safhasında, öznitelik vektörü sisteme giriş olarak verilmiş, daha sonra eğitim safhasında kullanılmayan veriler ile sistem test edilmiş ve sonuç izlenmiştir.Sonuç olarak geliştirilen uygulama ile çeşitli beyin hastalıklarını teşhisinde doktorlara yardımcı olabilecek akıllı bir sistem tasarlanmıştır. YSA kullanılarak teşhiste olabilecek hatalar en aza indirgenmeye çalışılmıştır.

The aim of this study is to develop a method to learn brain diseases by using Magnetic Resonance (MR) images. Artificial Neural Network (ANN) approach is used to diagnose and classify brain diseases including tumor, meningitis and seizure. ANN is used in this application because of its learning ability. Backpropagation is used as learning algorithm. MR images are used to diagnose brain diseases. Sample MR images were collected from Radiology department of Fatih University Hospital.In the first part of the study, preprocessing methods are applied to the MR images to obtain same size features. To reduce large and redundant data, feature extraction method is used. Firstly, images are divided into small pieces having size of 30x30 pixels. For each subdivision, arithmetic mean is calculated to obtain feature vector which will be used as system input.In the second part, ANN is designed and generated. Feature vector is fed to the network (ANN) in the training phase. Then application is tested with inputs which are not used in the training phase and the results are observed.Consequently, this application is developed to help physicians in diagnosis of various brain diseases using an intelligent model. It aims to show benefits of ANN model to reduce diagnosis complexity and faults arising from subjective evaluations of physicians or unclear data.