MR kafa görüntülerinde tümör deteksiyonu için simetri temelli parametrelerin belirlenmesi

Abstract

Bu tez çalısmasında görüntü simetrisizligi dikkate alınarak MR (manyetik rezonans)görüntülerde tümör varlıgını sorgulayan ve tümör varlıgı durumunda tümör bölgesininbeyin içindeki yerini bulan bir algoritma gelistirilmistir.Sunulan çalısmanın performansı MR görüntüdeki dokuların dogru bölütlenmesi iledogrudan iliskilidir. Bölütlenen görüntülerde ayrıntı fazla bulunursa, tümör olmadıgıdurumda bile önerilen parametrelerin degerleri tümörü isaret edebilecektir. Bu nedenlebölütleme islemi için iki öznitelik çıkartma yöntemi karsılastırmalı olarak analizedilmistir. lk yöntemde komsu benek gri seviye degerleri kullanılarak özniteliklerbelirlenmistir. kinci yöntemde ise sürekli dalgacık dönüsümü kullanılarak orjinalgörüntü sekiz farklı bantta incelenmistir. Bölütleme islemi, artımsal öz-düzenlemeli biryapay sinir agı kullanılarak gerçeklenmistir. Dokuları temsil etmesi baglamında, hembasarımı yüksek bir öznitelik çıkartma yöntemi seçiminin hem de artımsal özdüzenlemeliag kullanımının bölütleme performansını artıracagı düsünülmektedir.Çalısma, bir adet suni olusturulmus fantom kafa görüntüsü, bir adet normal MR kafagörüntüsü ve dört adet tümörlü MR kafa görüntüsü üzerinde test edilmistir. Parametre1 ve 2'nin tümör varlıgını sorgulamakta, parametre 3'ün ise tümörün var olmasıdurumunda MR görüntü içindeki yerini bulmada basarı ile kullanılabilecegigözlenmistir.Anahtar Kelimeler: MR görüntü bölütleme, Tümör deteksiyonu, Öznitelik çıkartma,Yapay sinir agı, Dalgacık dönüsümü, Histogram

In this thesis, a novel algorithm is developed for the detection and localization of tumorin MR (magnetic resonance) head images by using geometrical asymmetry in brain lobes.The proposed algorithm?s performance has direct relationship with the tissuesegmentation in MR images. If there are many details in the segmented images, even ifany tumor does not exist, the proposed parameters (features) will indicate the presenceof a tumorous tissue. For this reason, for the segmentation process two featureextraction methods are compared and analyzed. In the first method, maincharacteristics have been determined by using the neighboring pixel gray level values. Inthe second method, original image has been examined in eight different bands obtainedby using continuous wavelet transformation. The segmentation process is carried out byusing an incremental self-organizing map neural network. In the context of representingthe tissues, it is thought that the segmentation performance will be increased by bothchoosing a successful feature extraction method and the proposed neural network.This study has been tested on an artificial phantom head image, a normal MR headimage and four abnormal (with tumor) MR head images. It is observed that, parameters1 and 2 reveal the existence of the tumor, and parameter 3 determines its location in theMR head image.Keywords: MR image segmentation, Tumor detection, Feature Extraction, ArtificialNeural Network, Wavelet Transform, Histogram